1. Learn
    2. /
  2. Courses
    3. /
  3. Advanced Deep Learning with Keras
Connected

Exercise

Kompilace modelu

Posledním krokem při vytváření modelu je jeho kompilace. Teď, když máš model vytvořený, je potřeba ho před trénováním nejprve zkompilovat. Tím model finalizuješ, zafixuješ všechna jeho nastavení a připravíš ho na zpracování dat!

Při kompilaci určuješ optimalizátor, který se použije pro trénování modelu na datech, a ztrátovou funkci. 'adam' je dobrý výchozí optimalizátor, který obecně funguje spolehlivě. Ztrátová funkce závisí na konkrétním problému. Střední kvadratická chyba je běžná ztrátová funkce optimalizující predikci průměru, jak tomu bývá u regrese metodou nejmenších čtverců.

Střední absolutní chyba optimalizuje predikci mediánu a používá se v kvantilové regresi. Pro tento dataset funguje 'mean_absolute_error' velmi dobře – použij ji jako svou ztrátovou funkci.

Instructions

100 XP
  • Zkompiluj model, který jsi vytvořil/a (model).
  • Použij optimalizátor 'adam'.
  • Jako ztrátovou funkci použij střední absolutní chybu ('mean_absolute_error').