sigmoid()、tanh()、ReLU() 和 leaky_ReLU() 函数已为您定义好，可以直接使用。每个函数接收一个输入数值 X，并返回对应的 Y 值。
sigmoid()
tanh()
ReLU()
leaky_ReLU()
下面哪一句话是错误的？
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
本章将带您认识神经网络，了解它能解决哪些问题以及何时使用。您还会构建多个网络，并通过训练一个回归模型来近似一颗正在逼近的流星轨道，从而"拯救地球"！
在本章结束时，您将能够使用神经网络解决二元、多类和多标签问题。我们将通过识别假美元、判断是谁把哪支飞镖投向飞镖盘，以及构建智能灌溉系统等任务来实现这些目标。您还将学会绘制模型训练指标，并在模型不再提升时停止训练并保存模型。
在前几章中，您已经训练了很多模型！现在，您将学习如何解读学习曲线，以便在训练过程中理解模型表现。您还会可视化激活函数、批量大小和批归一化的影响。最后，您将学习如何使用 sklearn 对 Keras 模型进行自动超参数优化。
当前练习
现在是时候学习更高级的架构了！您将创建自编码器来重建带噪图像；可视化卷积神经网络的激活；使用深度预训练模型进行图像分类；并进一步了解循环神经网络与文本处理，构建一个预测句子下一个词的网络。
