深度学习篇-Keras（初级）

第1关：构建模型

本关任务：

构建一个简单的模型，并且指定输入数据的尺寸：batch_size 为18，input_dim 为20。
编程要求
根据提示，在右侧编辑器补充代码，构建一个简单的模型，并指定输入输出数据的尺寸：units为18，input_dim 为20。

from keras.models import Sequential
from keras.layers import Dense, Activation
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
def input_values():
    model = Sequential()
    '''
    返回值:
    model: 一个顺序模型
    '''
    # 请在此添加代码 完成本关任务
    # 构建一个简单的模型，并且指定输入数据的尺寸：batch_size 为18，input_dim 为20。
    # ********** Begin *********#
    model.add(Dense(18,input_dim=20))
    # ********** End **********#

    # 返回model
    return model

第2关：Keras模型编译

任务描述
本关任务：构建一个简单的模型，并对模型进行编译。
编程要求
根据提示，在右侧编辑器补充代码，进而对模型进行编译，要求如下：
提示：

• optimizer 为 ‘rmsprop’,
• loss 为 ‘binary_crossentropy’,
• metrics 为 ‘accuracy’.

import warnings
warnings.filterwarnings('ignore')
from keras.models import Sequential
from keras.layers import Dense, Activation
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
def compile_model():
    model = Sequential()
    model.add(Dense(32, activation='relu', input_dim=100))
    model.add(Dense(1, activation='sigmoid'))
    '''
    返回值:
    model: 一个顺序模型
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy'])
    # ********** End **********#

    # 返回model
    return model
compile_model()

第3关：训练模型

任务描述
本关任务：构建一个简单的模型，对模型进行训练。
编程要求
根据提示，在右侧编辑器补充代码，进而对模型进行训练，要求如下：

提示：

• 将随机生成的1000组数据都作为训练集
• 建议迭代轮次为10
• 建议每次更新的样本数为64.

from keras.models import Sequential
from keras.layers import Dense, Activation
import os
import numpy as np
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
def fit_model():
    model = Sequential()
    model.add(Dense(32, activation='relu', input_dim=100))
    model.add(Dense(1, activation='sigmoid'))
    model.compile(optimizer='rmsprop',
                  loss='binary_crossentropy',
                  metrics=['accuracy'])
    # 生成虚拟数据
    data = np.random.random((1000, 100))
    labels = np.random.randint(2, size=(1000, 1))
    '''
    返回值:
    model: 一个顺序模型
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    model.fit(data, labels, epochs=10, batch_size=64)
    # ********** End **********#
    # 返回model
    return model