在 Keras 中实现激活函数的最简单方法是实例化`Activation()`类,并将其添加到`Sequential()`模型中。 可以使用 Keras 中可用的任何激活函数实例化`Activation()`(有关完整列表,请参见[这里](https://keras.io/activations/))。 在我们的例子中,我们将使用`tanh`功能。 实现激活函数后,我们将模型的版本更改为`v2`,使其变为`bitcoin_lstm_v3`:
在此活动中,我们将模型作为本地 Web 应用程序部署。 这使我们可以使用浏览器连接到 Web 应用程序,或者通过应用程序的 HTTP API 使用另一个应用程序。 在继续之前,请确保您已经安装了以下应用程序,并且在计算机中可用:
...
...
@@ -446,7 +446,7 @@ $ docker-compose up -d
对于参考解决方案,请使用`Code/Lesson-4/activity_9` 文件夹。
###### 摘要
###### 总结
本课结束了我们创建深度学习模型并将其部署为 Web 应用程序的旅程。 我们的最后一步包括部署一个模型,该模型预测使用 Keras 和 TensorFlow 引擎构建的比特币价格。 我们通过将应用程序打包为 Docker 容器并进行部署来完成工作,以便其他人可以通过其 API 以及我们的模型使用模型的预测。