Arsitèktur jaringan saraf sing digunakake ing conto kasebut yaiku jaringan saraf feedforward kanthi telung lapisan: lapisan input, lapisan sing didhelikake, lan lapisan output. Lapisan input kasusun saka 784 unit, sing cocog karo jumlah piksel ing gambar input. Saben unit ing lapisan input nggambarake nilai intensitas piksel ing gambar.
Lapisan sing didhelikake kasusun saka 128 unit, sing disambungake kanthi lengkap menyang lapisan input. Saben unit ing lapisan sing didhelikake ngetung jumlah bobot saka input saka lapisan input lan nggunakake fungsi aktivasi kanggo ngasilake output. Ing conto iki, fungsi aktivasi sing digunakake ing lapisan sing didhelikake yaiku fungsi unit linier sing dibenerake (ReLU). Fungsi ReLU ditetepake minangka f(x) = max(0, x), ing ngendi x minangka jumlah bobot saka input menyang unit. Fungsi ReLU ngenalake non-linearitas menyang jaringan, supaya bisa sinau pola lan hubungan sing rumit ing data kasebut.
Lapisan output kasusun saka 10 unit, saben makili salah siji saka kelas bisa ing masalah klasifikasi. Unit ing lapisan output uga disambungake kanthi lengkap menyang unit ing lapisan sing didhelikake. Kaya lapisan sing didhelikake, saben unit ing lapisan output ngetung jumlah bobot saka input saka lapisan sing didhelikake lan ngetrapake fungsi aktivasi. Ing conto iki, fungsi aktivasi sing digunakake ing lapisan output yaiku fungsi softmax. Fungsi softmax ngowahi jumlah bobot saka masukan menyang distribusi kemungkinan liwat kelas, ngendi jumlah kemungkinan padha karo 1. Unit karo kemungkinan paling nggantosi kelas mbadek saka gambar input.
Kanggo ngringkes, arsitektur jaringan saraf sing digunakake ing conto kasebut kalebu lapisan input kanthi 784 unit, lapisan sing didhelikake kanthi 128 unit nggunakake fungsi aktivasi ReLU, lan lapisan output kanthi 10 unit nggunakake fungsi aktivasi softmax.
Pitakonan lan jawaban anyar liyane babagan Mbangun jaringan saraf kanggo nindakake klasifikasi:
- Apa perlu nggunakake fungsi sinau ora sinkron kanggo model pembelajaran mesin sing mlaku ing TensorFlow.js?
- Carane model nyawiji lan dilatih ing TensorFlow.js, lan apa peran saka fungsi mundhut salib-entropi kategoris?
- Apa pinunjul saka tingkat learning lan nomer epochs ing proses machine learning?
- Kepiye data latihan dipérang dadi set latihan lan tes ing TensorFlow.js?
- Apa tujuane TensorFlow.js mbangun jaringan saraf kanggo tugas klasifikasi?
Pitakon lan jawaban liyane:
- Lapangan: Kacerdhasan gawéyan
- program: Dhasar EITC/AI/TFF TensorFlow Fundamentals (pindhah menyang program sertifikasi)
- Pawulangan: TensorFlow.js (pindhah menyang pelajaran sing gegandhengan)
- Topik: Mbangun jaringan saraf kanggo nindakake klasifikasi (pindhah menyang topik sing gegandhengan)
- Review ujian