Compiler le modèle
Vous allez maintenant compiler le modèle que vous avez défini plus tôt. Pour compiler un modèle, vous devez préciser l’optimiseur et la fonction de perte à utiliser. Dans la vidéo, Dan a indiqué que l’optimiseur Adam est un excellent choix. Vous pouvez en savoir plus sur cet optimiseur et les autres optimiseurs Keras ici, et si vous êtes vraiment curieux d’en apprendre davantage, vous pouvez lire l’article original qui a présenté l’optimiseur Adam.
Dans cet exercice, vous allez utiliser l’optimiseur Adam et la fonction de perte « mean squared error ». À vous de jouer !
Cet exercice fait partie du cours
Introduction au Deep Learning en Python
Instructions
- Compilez le modèle avec
model.compile(). Votreoptimizerdoit être'adam'et lalossdoit être'mean_squared_error'.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)