4.2. Классификация новостных лент    155

Листинг 4.22. Модель с узким местом для информации

model = keras.Sequential([ layers.Dense(64, activation="relu"), layers.Dense(4, activation="relu"), layers.Dense(46, activation="softmax")

])

model.compile(optimizer="rmsprop", loss="categorical_crossentropy", metrics=["accuracy"])

model.fit(partial_x_train, partial_y_train, epochs=20, batch_size=128,

validation_data=(x_val, y_val))

Теперь.модель.показывает.точность.~71.%.—.абсолютное.падение.составило.8.%..

Оно.обусловлено.в.основном.попыткой.сжать.большой.объем.информации. (достаточной.для.восстановления.гиперплоскостей,.разделяющих.46.классов). в.промежуточное.пространство.со.слишком.малой.размерностью..Модели.удалось.вместить.большую.часть.необходимой.информации.в.эти.четырехмерные. представления,.но.не.всю.

4.2.8. Дальнейшие эксперименты

Так.же.как.в.конце.предыдущего.примера,.я.призываю.вас.провести.следующие. эксперименты,.чтобы.развить.свою.интуицию.в.выборе.решений.по.конфигурации.

.Попробуйте.использовать.слои.с.большим.или.меньшим.числом.измерений:. 32,.128.и.т..д.

.Мы.взяли.два.промежуточных.слоя.перед.последним.слоем.классификации. с.функцией.активации.softmax..Теперь.попробуйте.использовать.один.промежуточный.слой.или.три.

4.2.9. Подведение итогов

Вот.какие.выводы.вы.должны.сделать.из.этого.примера.

.Если.вы.пытаетесь.классифицировать.образцы.данных.по.N.классам,.модель. должна.завершаться.слоем.Dense .размера.N.

.В.задаче.однозначной.многоклассовой.классификации.заключительный. слой.модели.должен.иметь.функцию.активации.softmax,.чтобы.выводить. распределение.вероятностей.между.N.классами.