|
Muhammad Al-Xorazmiy nomidagi Toshkent Axborot Texnoogiyalari Universiteti Farg’ona Filiali Mavzu
|
| bet | 5/6 | | Sana | 28.12.2023 | | Hajmi | 310,17 Kb. | | #128927 |
Bog'liq 1-Mustaqil ish Mavzu Python muhitida keras paketidan foydalanib-fayllar.org Biomexanika, Q5o5g654387, agrar munosabatlar va renta nazariyasi rеja, талон , 1 mavzu matritsaning rangi, 1labaratoriya N, 1 Agressiv xulq va uning namoyon bo’lishi Agressiv xulq atvorni, 1 mavu NDP tqonun (3), Mavzu 2017 yilda O’zbekistonda keng qo’lamli iqtisodiy keng qol, Falsafaning taraqqiyot bosqichlari, Nanomateryallar va nanobirikmalar, gelio qurilmalarning ishlash prinspi, Имя команды, 3-MISH RAJABOV Dilshod, 1-1-1 AMALIY ISH
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:
tenzor oqimini tf sifatida import qiling
tensorflow import kerasdan
tensorflow.keras.models import Sequential dan
tensorflow.keras.layers import faollashtirish, zich
tensorflow.keras.optimizers dan Odamni import qiladi
tensorflow.keras.metrics dan categorical_crossentropy import
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).
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.
model = Ketma-ket ([
Zich(birliklar = 16, kirish_shakli = (1,), faollashtirish = 'relu'),
Zich (birliklar = 32, faollashtirish = 'relu'),
Zich (birliklar = 2, faollashtirish = "softmax")
])
Modelning qisqacha mazmuni qanday bo'lishi kerak:
|
| |
