Lapisan dense

Pendahuluan TensorFlow di Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Model regresi linear

Diagram menunjukkan model regresi dengan dua fitur: status pernikahan dan usia. Target model regresi adalah status gagal bayar peminjam kartu kredit.

Apa itu jaringan saraf?

Diagram menunjukkan jaringan saraf dengan dua input fitur: status pernikahan dan usia. Target jaringan saraf adalah status gagal bayar peminjam kartu kredit.

Apa itu jaringan saraf?

Gambar ini menunjukkan jaringan saraf yang lebih kompleks dengan 10 fitur input, 3 lapisan tersembunyi dense, dan satu lapisan output.

Lapisan dense menerapkan bobot ke semua node dari lapisan sebelumnya.

Lapisan dense sederhana

import tensorflow as tf

# Definisikan input (fitur)
inputs = tf.constant([[1, 35]])

# Definisikan bobot
weights = tf.Variable([[-0.05], [-0.01]])

# Definisikan bias
bias = tf.Variable([0.5])

Lapisan dense sederhana

# Kalikan input (fitur) dengan bobot
product = tf.matmul(inputs, weights)

# Definisikan lapisan dense
dense = tf.keras.activations.sigmoid(product+bias)

Diagram ini menunjukkan lapisan dense yang menerima dua node input dan menghasilkan satu output.

Mendefinisikan model lengkap

import tensorflow as tf

# Definisikan lapisan input (fitur)
inputs = tf.constant(data, tf.float32)

# Definisikan lapisan dense pertama
dense1 = tf.keras.layers.Dense(10, activation='sigmoid')(inputs)

Mendefinisikan model lengkap

# Definisikan lapisan dense kedua
dense2 = tf.keras.layers.Dense(5, activation='sigmoid')(dense1)

# Definisikan lapisan output (prediksi)
outputs =  tf.keras.layers.Dense(1, activation='sigmoid')(dense2)

Diagram ini menunjukkan lapisan dense yang menerima dua node input dan menghasilkan satu output.

Pendekatan tingkat tinggi vs. tingkat rendah

Pendekatan tingkat tinggi
- Operasi API tingkat tinggi

dense = keras.layers.Dense(10,\
 activation='sigmoid')

Pendekatan tingkat rendah
- Operasi aljabar linear

prod = matmul(inputs, weights)
dense = keras.activations.sigmoid(prod)

Ayo berlatih!

Pendahuluan TensorFlow di Python