比较激活函数 II
上一练习中您编写的代码已被执行，得到了 activation_results 变量，这一次使用了 100 个 epoch 而不是 20 个。这样您将有更多的 epoch 来进一步比较不同激活函数在训练过程中的变化。
对于 activation_results 中每个激活函数对应的 h_callback：
- 已提取
h_callback.history['val_loss']。 - 已提取
h_callback.history['val_accuracy']。
二者分别保存到两个字典中：val_loss_per_function 和 val_acc_per_function。
Pandas 也已以 pd 的名称为您导入。让我们快速绘制一些验证损失和准确率的图表吧！
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 使用
pd.DataFrame()从字典val_loss_per_function创建一个新的 DataFrame。 - 在该 DataFrame 上调用
plot()。 - 从
val_acc_per_function再创建一个 pandas DataFrame。 - 再次对该 DataFrame 作图。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create a dataframe from val_loss_per_function
val_loss= ____.____(____)
# Call plot on the dataframe
____
plt.show()
# Create a dataframe from val_acc_per_function
val_acc = _____
# Call plot on the dataframe
____
plt.show()