CommencezCommencez gratuitement

Le rappel d'historique

Le rappel d'historique est retourné par défaut chaque fois que vous entraînez un modèle avec la méthode .fit(). Pour accéder à ces métriques, récupérez le dictionnaire history à l'intérieur de l'objet h_callback retourné, en utilisant les clés correspondantes.

La machine d'irrigation model que vous avez construite à la leçon précédente est chargée pour l'entraînement, avec ses caractéristiques et étiquettes maintenant disponibles sous X_train, y_train, X_test, y_test. Cette fois, vous allez conserver le rappel history du modèle et utiliser le paramètre validation_data pendant l'entraînement.

Vous tracerez les résultats stockés dans history avec plot_accuracy() et plot_loss(), deux fonctions matplotlib simples. Vous pouvez consulter leur code dans la console en collant show_code(plot_loss).

Voyons ce qui se passe en coulisse pendant notre entraînement !

Cette activité fait partie du cours

Introduction à Deep Learning avec Keras

Voir le cours

Instructions de l’exercice

  • Entraînez votre modèle sur X_train et y_train, et validez chaque époque avec X_test et y_test.
  • Utilisez plot_loss en extrayant loss et val_loss de h_callback.
  • Utilisez plot_accuracy en extrayant accuracy et val_accuracy de h_callback.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Train your model and save its history
h_callback = ____.____(____, ____, epochs = 25,
               validation_data=(____, ____))

# Plot train vs test loss during training
plot_loss(h_callback.history[____], h_callback.history[____])

# Plot train vs test accuracy during training
plot_accuracy(h_callback.history[____], h_callback.history[____])
Modifier et exécuter le code