बैच ट्रेनिंग के लिए तैयारी
किसी लीनियर मॉडल को बैचों में ट्रेन करने से पहले, हमें वैरिएबल्स, एक loss फंक्शन, और एक optimization ऑपरेशन परिभाषित करने होंगे. इस अभ्यास में, आप ऐसा मॉडल तैयार करेंगे जो size_batch (स्क्वेयर फीट में प्लॉट साइज का बैच) का उपयोग करके price_batch (घर की कीमतों का बैच) प्रेडिक्ट करेगा. पिछली लेसन के विपरीत, हम यह काम pandas से डेटा के बैच लोड करके, उन्हें numpy arrays में बदलकर, और फिर loss फंक्शन को स्टेप्स में minimize करके करेंगे.
Variable(), keras(), और float32 आपके लिए इम्पोर्ट किए गए हैं. ध्यान दें कि आपको न तो मॉडल के लिए और न ही loss फंक्शन के लिए डिफॉल्ट आर्ग्यूमेंट वैल्यू सेट करनी हैं, क्योंकि हम ट्रेनिंग प्रक्रिया के दौरान डेटा बैचों में जनरेट करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में TensorFlow परिचय
अभ्यास निर्देश
interceptको 10.0 की शुरुआती वैल्यू और 32-bit float के डेटा टाइप के साथ परिभाषित करें.intercept,slope, औरfeaturesका उपयोग करके प्रेडिक्टेड वैल्यूज़ रिटर्न करने वाला मॉडल परिभाषित करें.loss_function()नाम का फंक्शन परिभाषित करें जो क्रमशःintercept,slope,targets, औरfeaturesको आर्ग्यूमेंट्स के रूप में ले. डिफॉल्ट आर्ग्यूमेंट वैल्यू सेट न करें.targetsऔरpredictionsका उपयोग करके mean squared error loss फंक्शन परिभाषित करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define the intercept and slope
intercept = ___
slope = Variable(0.5, float32)
# Define the model
def linear_regression(intercept, slope, features):
# Define the predicted values
return ____
# Define the loss function
def ____:
# Define the predicted values
predictions = linear_regression(____, ____, features)
# Define the MSE loss
return keras.losses.____(____, ____)