ComenzarEmpieza gratis

Entrenar un modelo lineal

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

Ahora definirás 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 con cada paso, pero necesitará muchos pasos para encontrarlo. Por tanto, debes ejecutar repetidamente la operación.

Este ejercicio forma parte del curso

Introducción a TensorFlow en Python

Ver curso

Instrucciones de 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 adecuados como una función lambda a .minimize().
  • Introduce la lista de variables que hay que actualizar en var_list.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este 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