शुरू करेंमुफ़्त में शुरू करें

लॉस फंक्शन में बदलाव

पिछले अभ्यास में, आपने tensorflow का एक लॉस फंक्शन परिभाषित किया था और फिर वास्तविक और प्रेडिक्टेड मानों के एक सेट के लिए उसे एक बार evaluate किया था। इस अभ्यास में, आप loss_function() नाम के एक अन्य फंक्शन के अंदर लॉस compute करेंगे, जो पहले डेटा और वैरिएबल्स से प्रेडिक्टेड मान जनरेट करता है। इसका उद्देश्य trainable मॉडल वैरिएबल्स का ऐसा फंक्शन बनाना है जो लॉस लौटाए। फिर आप अलग-अलग वैरिएबल मानों के लिए इस फंक्शन का बार-बार मूल्यांकन कर सकते हैं जब तक कि न्यूनतम न मिल जाए। व्यवहार में, आप इस फंक्शन को tensorflow में एक optimizer को पास करेंगे। ध्यान दें कि features और targets परिभाषित हैं और उपलब्ध हैं। साथ ही, Variable, float32, और keras उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में TensorFlow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • एक वैरिएबल scalar परिभाषित करें, जिसकी शुरुआती वैल्यू 1.0 हो और टाइप float32 हो.
  • loss_function() नाम का एक फंक्शन परिभाषित करें, जो क्रमशः scalar, features, और targets को आर्ग्युमेंट्स के रूप में ले.
  • mean absolute error लॉस फंक्शन का उपयोग करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Initialize a variable named scalar
scalar = ____(1.0, ____)

# Define the model
def model(scalar, features = features):
  	return scalar * features

# Define a loss function
def loss_function(____, features = features, targets = targets):
	# Compute the predicted values
	predictions = model(scalar, features)
    
	# Return the mean absolute error loss
	return keras.losses.____(targets, predictions)

# Evaluate the loss function and print the loss
print(loss_function(scalar).numpy())
कोड संपादित करें और चलाएँ