ComenzarEmpieza gratis

Entrena un modelo lineal

En este ejercicio, retomaremos donde terminó el anterior. El intercepto y la pendiente, intercept y slope, ya se han definido e inicializado. Además, se ha definido una función, loss_function(intercept, slope), que calcula la pérdida usando los datos y las variables del modelo.

Ahora vas a definir una operación de optimización como opt. A continuación, entrenarás un modelo lineal univariante minimizando la pérdida para encontrar los valores óptimos de intercept y slope. Ten en cuenta que la operación opt intentará acercarse al óptimo en cada paso, pero necesitará muchos pasos para encontrarlo. Por lo tanto, debes ejecutar la operación repetidamente.

Este ejercicio forma parte del curso

Introducción a TensorFlow en Python

Ver curso

Instrucciones del ejercicio

  • Inicializa un optimizador Adam como opt con una tasa de aprendizaje de 0.5.
  • Aplica el método .minimize() al optimizador.
  • Pasa loss_function() con los argumentos correspondientes como una función lambda a .minimize().
  • Proporciona la lista de variables que se deben actualizar en var_list.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Initialize an Adam optimizer
opt = keras.optimizers.____(0.5)

for j in range(100):
	# Apply minimize, pass the loss function, and supply the variables
	opt.____(lambda: ____(____, ____), var_list=[____, ____])

	# Print every 10th value of the loss
	if j % 10 == 0:
		print(loss_function(intercept, slope).numpy())

# Plot data and regression line
plot_results(intercept, slope)
Editar y ejecutar código