LoslegenKostenlos loslegen

Neuronale Netze mit TensorFlow trainieren

In der vorherigen Übung hast du ein Modell model(w1, b1, w2, b2, features) und eine Verlustfunktion loss_function(w1, b1, w2, b2, features, targets) definiert. Beide stehen dir hier zur Verfügung. Jetzt trainierst du das Modell und bewertest anschließend seine Leistung, indem du Ausfälle (Defaults) im Testset vorhersagst. Dieses besteht aus test_features und test_targets und ist für dich bereitgestellt. Die trainierbaren Variablen sind w1, b1, w2 und b2. Außerdem wurden folgende Operationen für dich importiert: keras.activations.relu() und keras.layers.Dropout().

Diese Übung ist Teil des Kurses

Einführung in TensorFlow mit Python

Kurs anzeigen

Anleitung zur Übung

  • Setze den Optimierer so, dass er eine Minimierung durchführt.
  • Füge die vier trainierbaren Variablen in der Reihenfolge, in der sie als Argumente in loss_function() erscheinen, zu var_list hinzu.
  • Verwende das Modell und test_features, um die Werte für test_targets vorherzusagen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Train the model
for j in range(100):
    # Complete the optimizer
	opt.____(lambda: loss_function(w1, b1, w2, b2), 
                 var_list=[____, ____, ____, ____])

# Make predictions with model using test features
model_predictions = model(w1, b1, w2, b2, ____)

# Construct the confusion matrix
confusion_matrix(test_targets, model_predictions)
Code bearbeiten und ausführen