LoslegenKostenlos starten

Training

Du trainierst jetzt dein erstes Modell in diesem Kurs – und das für einen guten Zweck!

Denk daran: Bevor du deine Keras-Modelle trainierst, musst du sie kompilieren. Das geht mit der Methode .compile(). Sie nimmt Argumente wie den optimizer (für die Gewichtsaktualisierung) und die loss-Funktion, die wir minimieren wollen. Dein Modell zu trainieren ist so einfach wie ein Aufruf von .fit(), wobei du die Features, Labels und eine Anzahl an Epochs zum Trainieren übergibst.

Das Regressions-model, das du in der vorherigen Übung gebaut hast, ist zusammen mit den Daten time_steps und y_positions für dich geladen. Trainiere es und bewerte es auf genau diesen Daten. Mal sehen, ob dein Modell die Flugbahn des Meteors lernen kann.

Diese Übung ist Teil des Kurses

<Kurs>Einstieg ins Deep Learning mit Keras</Kurs>
Kurs ansehen

Übungsanweisungen

  • Kompiliere dein Modell mit dem Optimierer 'adam' und 'mse' als Verlustfunktion.
  • Trainiere dein Modell 30 Epochs lang mit den Features und Labels.
  • Werte dein Modell mit der Methode .evaluate() aus und übergib die Features und Labels, die beim Training verwendet wurden.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Compile your model
model.____(____ = ____, ____ = ____)

print("Training started..., this can take a while:")

# Fit your model on your data for 30 epochs
model.____(____,____, epochs = ____)

# Evaluate your model 
print("Final loss value:",model.evaluate(____, ____))
Code bearbeiten und ausführen