Compilation du modèle
Vous allez maintenant compiler le modèle que vous avez défini plus tôt. Pour compiler le modèle, vous devez préciser l'optimiseur et la fonction de perte à utiliser. Dans la vidéo, Dan a mentionné que l'optimiseur Adam est un excellent choix. Vous pouvez en lire davantage à son sujet, ainsi que sur d'autres optimiseurs Keras, ici. Et si vous êtes vraiment curieux d'en savoir plus, vous pouvez consulter l'article original qui a présenté l'optimiseur Adam.
Dans cet exercice, vous utiliserez l'optimiseur Adam et la fonction de perte « mean squared error ». À vous de jouer !
Cette activité fait partie du cours
Introduction à Deep Learning en Python
Instructions de l’exercice
- Compilez le modèle avec
model.compile(). Votreoptimizerdoit être'adam'et lalossdoit être'mean_squared_error'.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
# Specify the model
n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(50, activation='relu', input_shape = (n_cols,)))
model.add(Dense(32, activation='relu'))
model.add(Dense(1))
# Compile the model
____
# Verify that model contains information from compiling
print("Loss function: " + model.loss)