Neurale netwerken definiëren met Keras

Introductie tot TensorFlow in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Gebarentaalletters classificeren

Deze afbeelding toont de gebarentaalletter A.

Deze afbeelding toont de gebarentaalletter B.

Deze afbeelding toont de gebarentaalletter C.

Deze afbeelding toont de gebarentaalletter D.

De sequential API

Deze afbeelding toont een neuraal netwerk met 16 knooppunten in de eerste verborgen laag, 8 in de tweede en 4 in de outputlaag.

De sequential API

Invoerlaag
Verborgen lagen
Outputlaag
In volgorde gezet

Een sequential model bouwen

# Import tensorflow
from tensorflow import keras

# Define a sequential model
model = keras.Sequential()

# Define first hidden layer
model.add(keras.layers.Dense(16, activation='relu', input_shape=(28*28,)))

Een sequential model bouwen

# Define second hidden layer
model.add(keras.layers.Dense(8, activation='relu'))

# Define output layer
model.add(keras.layers.Dense(4, activation='softmax'))

# Compile the model
model.compile('adam', loss='categorical_crossentropy')

# Summarize the model
print(model.summary())

De functional API

De figuur toont een neuraal netwerk met twee sets invoer.

De functional API gebruiken

# Import tensorflow
import tensorflow as tf

# Define model 1 input layer shape
model1_inputs = tf.keras.Input(shape=(28*28,))

# Define model 2 input layer shape
model2_inputs = tf.keras.Input(shape=(10,))

# Define layer 1 for model 1
model1_layer1 = tf.keras.layers.Dense(12, activation='relu')(model1_inputs)

# Define layer 2 for model 1
model1_layer2 = tf.keras.layers.Dense(4, activation='softmax')(model1_layer1)

De functional API gebruiken

# Define layer 1 for model 2
model2_layer1 = tf.keras.layers.Dense(8, activation='relu')(model2_inputs)

# Define layer 2 for model 2
model2_layer2 = tf.keras.layers.Dense(4, activation='softmax')(model2_layer1)

# Merge model 1 and model 2
merged = tf.keras.layers.add([model1_layer2, model2_layer2])

# Define a functional model
model = tf.keras.Model(inputs=[model1_inputs, model2_inputs], outputs=merged)

# Compile the model
model.compile('adam', loss='categorical_crossentropy')

Laten we oefenen!

Introductie tot TensorFlow in Python