ეს არის პრაქტიკული ნოუთბუქი. წაიკითხე კოდი და შედეგები აქ, ან გაუშვი ინტერაქტიულად Google Colab-ში ან Jupyter-ში.
ლაბორატორიული დავალება AI დამწყებთათვის სასწავლო პროგრამა-დან.
მონაცემთა ნაკრების კითხვა
ეს კოდი ჩამოტვირთავს მონაცემთა ბაზას საცავიდან ინტერნეტში. თქვენ ასევე შეგიძლიათ ხელით დააკოპიროთ მონაცემთა ნაკრები AI Curriculum-ის რეპოს /data დირექტორიადან.
[4]
იტვირთება…გამოტანა
% Total % Received % Xferd Average Speed Time Time Time Current
Dload Upload Total Spent Left Speed
0 0 0 0 0 0 0 0 --:--:-- --:--:-- --:--:-- 0
100 9.9M 100 9.9M 0 0 9.9M 0 0:00:01 --:--:-- 0:00:01 15.8M
[3]
იტვირთება…[4]
იტვირთება…ვნახოთ, როგორია მონაცემების ფორმა, რომელიც გვაქვს:
[5]
იტვირთება…გამოტანა
(42000, 784)მონაცემების გაყოფა
ჩვენ გამოვიყენებთ Scikit Learn-ს მონაცემების გასაყოფად ტრენინგსა და ტესტის მონაცემთა ბაზას შორის:
[6]
იტვირთება…გამოტანა
Train samples: 33600, test samples: 8400
ინსტრუქცია
- აიღეთ ჩარჩო კოდი გაკვეთილიდან და ჩასვით ამ ნოუთბუქში, ან (უფრო უკეთესი) ცალკე პითონის მოდულში
- განსაზღვრეთ და ავარჯიშეთ ერთშრიანი პერცეტრონი, ვარჯიშისა და ვალიდაციის სიზუსტის დაკვირვებით ვარჯიშის დროს
- შეეცადეთ გაიგოთ, მოხდა თუ არა ზედმეტად მორგება და დაარეგულირეთ ფენის პარამეტრები სიზუსტის გასაუმჯობესებლად
- გაიმეორეთ წინა ნაბიჯები 2- და 3-ფენიანი პერცეტრონებისთვის. სცადეთ ექსპერიმენტი ჩაატაროთ სხვადასხვა აქტივაციის ფუნქციებით ფენებს შორის.
- შეეცადეთ უპასუხოთ შემდეგ კითხვებს:
- მოქმედებს თუ არა ფენათაშორისი აქტივაციის ფუნქცია ქსელის მუშაობაზე?
- ამ ამოცანისთვის გვჭირდება 2 ან 3 ფენიანი ქსელი?
- ქსელის მომზადებაში რაიმე პრობლემა შეგექმნათ? მით უმეტეს, რომ ფენების რაოდენობა გაიზარდა.
- როგორ იქცევა ქსელის წონები ვარჯიშის დროს? თქვენ შეგიძლიათ დახაზოთ წონების მაქსიმალური abs მნიშვნელობა ეპოქის წინააღმდეგ, რათა გაიგოთ ურთიერთობა.