मॉडल का मूल्यांकन
दो मॉडल ट्रेन किए गए हैं और उपलब्ध हैं: large_model, जिसमें बहुत सारे पैरामीटर हैं; और small_model, जिसमें कम पैरामीटर हैं. दोनों मॉडलों को train_features और train_labels से ट्रेन किया गया है, जो आपके लिए उपलब्ध हैं. एक अलग टेस्ट सेट भी उपलब्ध है, जिसमें test_features और test_labels शामिल हैं.
आपका उद्देश्य मॉडलों के आपसी प्रदर्शन का मूल्यांकन करना और यह जाँचना है कि क्या किसी मॉडल में overfitting के संकेत हैं. आप यह काम large_model और small_model को train और test दोनों सेट्स पर evaluate करके करेंगे. हर मॉडल के लिए, आप .evaluate(x, y) मेथड लागू करके features x और labels y के लिए loss निकाल सकते हैं. उसके बाद आप प्राप्त चारों losses की तुलना करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में TensorFlow परिचय
अभ्यास निर्देश
- train डेटा का उपयोग करके small मॉडल को evaluate करें.
- test डेटा का उपयोग करके small मॉडल को evaluate करें.
- train डेटा का उपयोग करके large मॉडल को evaluate करें.
- test डेटा का उपयोग करके large मॉडल को evaluate करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Evaluate the small model using the train data
small_train = small_model.evaluate(____, ____)
# Evaluate the small model using the test data
small_test = ____
# Evaluate the large model using the train data
large_train = large_model.evaluate(____, ____)
# Evaluate the large model using the test data
large_test = ____
# Print losses
print('\n Small - Train: {}, Test: {}'.format(small_train, small_test))
print('Large - Train: {}, Test: {}'.format(large_train, large_test))