Compilation du modèle
Vous allez maintenant compiler le modèle que vous avez spécifié précédemment. Pour compiler le modèle, vous devez spécifier 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 savoir plus à ce sujet ainsi que sur d'autres optimiseurs Keras ici. Si vous souhaitez approfondir vos connaissances, vous pouvez consulter l'article original qui présente l'optimiseur Adam.
Dans cet exercice, vous utiliserez l'optimiseur Adam et la fonction de perte d'erreur quadratique moyenne. Allez-y !
Cet exercice fait partie du cours
Introduction au Deep Learning avec Python
Instructions
- Compilez le modèle à l'aide de l'
model.compile(). Votre adresseoptimizerdoit être'adam'et l'adresselossdoit 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)