Mulai sekarangMulai gratis

Callback history

Callback history dikembalikan secara default setiap kali Anda melatih sebuah model dengan metode .fit(). Untuk mengakses metrik ini, Anda dapat mengakses parameter kamus history di dalam objek h_callback yang dikembalikan dengan kunci yang sesuai.

Mesin irigasi model yang Anda bangun pada pelajaran sebelumnya telah dimuat untuk Anda latih, bersama dengan fitur dan labelnya yang kini dimuat sebagai X_train, y_train, X_test, y_test. Kali ini Anda akan menyimpan callback history dari model dan menggunakan parameter validation_data saat pelatihan berlangsung.

Anda akan memvisualisasikan hasil yang disimpan di history dengan plot_accuracy() dan plot_loss(), dua fungsi matplotlib sederhana. Anda dapat melihat kodenya di konsol dengan menempelkan show_code(plot_loss).

Mari kita lihat apa yang terjadi di balik layar selama pelatihan!

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Latih model Anda pada X_train dan y_train, validasi setiap epoch pada X_test dan y_test.
  • Gunakan plot_loss dengan mengekstrak loss dan val_loss dari h_callback.
  • Gunakan plot_accuracy dengan mengekstrak accuracy dan val_accuracy dari h_callback.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Train your model and save its history
h_callback = ____.____(____, ____, epochs = 25,
               validation_data=(____, ____))

# Plot train vs test loss during training
plot_loss(h_callback.history[____], h_callback.history[____])

# Plot train vs test accuracy during training
plot_accuracy(h_callback.history[____], h_callback.history[____])
Edit dan Jalankan Kode