Bajardi: Matyaqubov Akrom Qabul qildi: Reja

Ketma-ket modelni qurish

1-qadam: Kutubxonalarni import qilish

Birinchidan, biz TensorFlow va Keras-ni modelimiz uchun zarur bo'lgan ma'lum parametrlar bilan birga import qilishimiz kerak. Quyidagi kod buni amalga oshirishga imkon beradi:

Bizning modelimiz uchun biz zich qatlamlarni import qilamiz. Bular to'liq bog'langan qatlamlardir; ya'ni qatlamdagi har bir tugun keyingi qatlamdagi boshqa tugun bilan to'liq bog'langan.
Biz ham import qilamiz aktivlashtirish tugunlarga yuborilgan ma'lumotlarni masshtablash uchun zarur bo'lgan funksiya. Optimizatorlar yo'qotishlarni kamaytirish uchun ham import qilingan.
Adam mashhur optimallashtiruvchi bo'lib, u bilan birga modelimizni yangilash tugunlari hisoblarini yanada samaraliroq qiladi categorical_crossentropy - bu biz foydalanadigan yo'qotish funktsiyasi turi (haqiqiy va taxmin qilingan yorliq qiymatlari o'rtasidagi farqni hisoblaydi).

2-qadam: Modelimizni loyihalash

Men yaratayotgan modelda bitta kirish (16 birlik bilan), bitta yashirin (32 birlik bilan) va bitta chiqish (2 birlik bilan) qatlamlari mavjud. Bu raqamlar aniqlanmagan va to'liq berilgan muammoga bog'liq bo'ladi.
To'g'ri sonli birliklar va qatlamlarni o'rnatish amaliyot orqali qo'shimcha vaqtni yaxshilash mumkin bo'lgan jarayondir. Faollashtirish ma'lumotlarimizni tugun orqali o'tkazishdan oldin amalga oshiradigan masshtablash turiga mos keladi.
Relu va Softmax bu vazifa uchun mashhur faollashtirish funksiyalaridir.

M odelning qisqacha mazmuni qanday bo'lishi kerak:

Modelni o'rgatish

Bizning modelimiz ikki bosqichda o'qitiladi, birinchisi modelni kompilyatsiya qilish (modelni birlashtirish) va keyingisi modelni berilgan ma'lumotlar to'plamiga moslashtirish.
Buni model.compile() funksiyasidan keyin model.fit() funksiyasi yordamida amalga oshirish mumkin.
"Aniqlik" ko'rsatkichini ko'rsatish bizga o'quv jarayonida modelimiz to'g'riligini kuzatish imkonini beradi.
Bizning teglarimiz 1 va 0 ko'rinishida bo'lgani uchun biz haqiqiy va taxmin qilingan teglar o'rtasidagi farqni hisoblash uchun ikkilik yo'qotish funksiyasidan foydalanamiz.
Ma'lumotlar to'plami, shuningdek, 10 ta (batch_size) to'plamlarga bo'linadi va model orqali 30 marta (davrlar) o'tkaziladi. Berilgan ma'lumotlar to'plami uchun x ma'lumotlar va y ma'lumotlarga mos keladigan teglar bo'ladi.

Prognozlar yordamida modelni sinovdan o'tkazish

Modelimizni baholash uchun biz taxmin () funktsiyasidan foydalanib test ma'lumotlari bo'yicha bashorat qilamiz.
bashorat = model.predict(x)
Va bu shunday!
Endi siz buni yaxshi tushunishingiz kerak Chuqur o'rganish ilovasi, Neyron tarmoqlari, ular umuman qanday ishlaydi va Python kodida modelni qanday qurish, o'rgatish va sinab ko'rish.
Umid qilamanki, ushbu qo'llanma sizga o'zingizning Deep Learning modellaringizni yaratish va o'rnatishni boshlash imkonini beradi.