Začněte nyníZačněte zdarma

Vyhodnocení modelů

K dispozici máš dva natrénované modely: large_model s velkým počtem parametrů a small_model s menším počtem parametrů. Oba modely byly natrénovány pomocí train_features a train_labels, které máš k dispozici. Dále ti jsou k dispozici testovací data: test_features a test_labels.

Tvým cílem je porovnat výkon obou modelů a zjistit, zda některý z nich nevykazuje známky přeučení (overfittingu). Toho dosáhneš vyhodnocením large_model a small_model na trénovacích i testovacích datech. U každého modelu k tomu použiješ metodu .evaluate(x, y), která vypočítá ztrátu pro příznaky x a štítky y. Nakonec porovnáš všechny čtyři hodnoty ztráty.

Toto cvičení je součástí kurzu

Úvod do TensorFlow v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vyhodnoť malý model na trénovacích datech.
  • Vyhodnoť malý model na testovacích datech.
  • Vyhodnoť velký model na trénovacích datech.
  • Vyhodnoť velký model na testovacích datech.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Evaluate the small model using the train data
small_train = small_model.evaluate(____, ____)

# Evaluate the small model using the test data
small_test = ____

# Evaluate the large model using the train data
large_train = large_model.evaluate(____, ____)

# Evaluate the large model using the test data
large_test = ____

# Print losses
print('\n Small - Train: {}, Test: {}'.format(small_train, small_test))
print('Large - Train: {}, Test: {}'.format(large_train, large_test))
Upravit a spustit kód