Mulai sekarangMulai gratis

Menyetel parameter model

Sekarang saatnya mencoba berbagai parameter pada model Anda dan melihat seberapa baik kinerjanya!

Fungsi create_model() yang Anda buat pada latihan sebelumnya sudah siap digunakan.

Karena melatih objek RandomizedSearchCV akan memakan waktu terlalu lama, hasil yang akan Anda peroleh dicetak melalui fungsi show_results(). Anda bisa mencoba random_search.fit(X,y) sendiri di konsol untuk memastikan semuanya berjalan setelah Anda membangun komponen lain, tetapi kemungkinan Anda akan kehabisan waktu pada latihan ini (jadi salin dulu kode Anda jika ingin mencoba, atau Anda bisa kehilangan progres!).

Anda tidak perlu menggunakan parameter opsional epochs dan batch_size saat membangun objek KerasClassifier karena Anda meneruskannya sebagai params ke random search dan ini sudah berfungsi.

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Impor KerasClassifier dari pembungkus scikit_learn di tensorflow.keras.
  • Gunakan fungsi create_model Anda saat membuat instance KerasClassifier.
  • Tetapkan 'relu' dan 'tanh' sebagai activation, 32, 128, dan 256 sebagai batch_size, 50, 100, dan 200 sebagai epochs, serta learning_rate 0.1, 0.01, dan 0.001.
  • Teruskan model yang telah dikonversi dan params yang dipilih saat Anda membangun objek RandomizedSearchCV.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import KerasClassifier from tensorflow.keras scikit learn wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = KerasClassifier(build_fn = ____)

# Define the parameters to try out
params = {'activation': [____, ____], 'batch_size': [____, ____, ____], 
          'epochs': [____, ____, ____], 'learning_rate': [____, ____, ____]}

# Create a randomize search cv object passing in the parameters to try
random_search = RandomizedSearchCV(____, param_distributions = ____, cv = KFold(3))

# Running random_search.fit(X,y) would start the search,but it takes too long! 
show_results()
Edit dan Jalankan Kode