第五章的 wide&deep的 数据集 是从哪里下载的能说明下吗？作者这里没提。。
就不能正常把代码整理好吗，四章那些代码根本们没有，有这样出书的吗，瞎玩吗？真的无语
第8章268页提到的backend.h5权重文件在哪里下载？
同求
@时光 链接:https://pan.baidu.com/s/1sfE49sE-AQigc_q3BQ6mVw 提取码:4i8q
读者注意，图5-3，P127上面的余弦距离有误，应该是d(A,B)=0.6557, d(A,C)=1。
第三章预测XOR函数值的代码不能正确预测XOR函数的值该书上的实现：X = np.array([[0,0],[0,1],[1,0],[1,1]])y = np.array([[0],[1],[1],[0]])
model = Sequential()model.add(Dense(4, input_dim=2))model.add(Activation(‘sigmoid’))model.add(Dense(1))model.add(Activation(‘sigmoid’))
model.compile(loss=’mean_squared_error’, optimizer=’adam’)
model.fit(X, y, batch_size=1, epochs=1000)print(model.predict(X))
实际运行结果：[[0.47561672] [0.49612853] [0.5105322 ] [0.51711607]]
可见，所有的预测值都在0.5附近，即0或1的概率差不多。将第一层的激活函数改为’relu’之后就好多了。
修改后代码：……model = Sequential()model.add(Dense(16, input_dim=2))model.add(Activation(‘relu’))model.add(Dense(1))model.add(Activation(‘sigmoid’))……修改后运行结果：[[0.23051465] [0.5647131 ] [0.9429324 ] [0.06692418]]
在我这边的环境下运行结果正常： [[0.00151126] [0.9987538 ] [0.98922616] [0.01612899]] 我这边运行环境是tf1.15.2，python3。这也体现了不同环境下的结果差异，因此机器学习往往要做线上线下一致性检查。
epoch 太少，10000就好了
第五章的 wide&deep的 数据集 是从哪里下载的能说明下吗？作者这里没提。。
就不能正常把代码整理好吗，四章那些代码根本们没有，有这样出书的吗，瞎玩吗？真的无语
第8章268页提到的backend.h5权重文件在哪里下载？
读者注意，图5-3，P127上面的余弦距离有误，应该是d(A,B)=0.6557, d(A,C)=1。
第三章预测XOR函数值的代码不能正确预测XOR函数的值
该书上的实现：
X = np.array([[0,0],[0,1],[1,0],[1,1]])
y = np.array([[0],[1],[1],[0]])
model = Sequential()
model.add(Dense(4, input_dim=2))
model.add(Activation(‘sigmoid’))
model.add(Dense(1))
model.add(Activation(‘sigmoid’))
model.compile(loss=’mean_squared_error’, optimizer=’adam’)
model.fit(X, y, batch_size=1, epochs=1000)
print(model.predict(X))
实际运行结果：
[[0.47561672]
[0.49612853]
[0.5105322 ]
[0.51711607]]
可见，所有的预测值都在0.5附近，即0或1的概率差不多。
将第一层的激活函数改为’relu’之后就好多了。
修改后代码：
……
model = Sequential()
model.add(Dense(16, input_dim=2))
model.add(Activation(‘relu’))
model.add(Dense(1))
model.add(Activation(‘sigmoid’))
……
修改后运行结果：
[[0.23051465]
[0.5647131 ]
[0.9429324 ]
[0.06692418]]