第一個類神經網路

在本練習中，我們會訓練第一個小小的類神經網路。 類神經網路可讓我們學會在沒有線性模型的情況下 交叉性特徵關係

任務 1：上述模型將我們的兩個輸入特徵合而為一 單一神經元這個模型是否會學習任何非線性？執行該程式碼以確認

工作 2：嘗試增加隱藏層的神經元數量： 1 到 2，並嘗試從「線性啟用」變更為非線性啟用 就像 ReLU 一樣您能建立可以學習非線性的模型嗎？可以模擬 如何有效保護資料呢？

工作 3：嘗試增加隱藏層的神經元數量： 2 到 3，使用 ReLU 這類非線性活化機制。是否能建立資料模型 有效？模型品質在執行後會如何變化？

工作 4：新增或移除隱藏圖層，即可繼續進行實驗 以及每個層的神經元另外，你也可以調整學習率 和其他學習設定最小是什麼？ 您可以降低模型的負荷量和層數 0.177 以下？

增加模型大小是否能改善配適度，或者凝結速度有多快？ 這項變更是否會改變模型收穫良好模型的頻率？舉例來說，您可以 以下架構：

  • 第一個隱藏層，有 3 個神經元。
  • 第二個隱藏層，有 3 個神經元。
  • 有 2 個神經元的第三層隱藏層。

(答案會顯示在運動正下方)。