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