Pelatihan
Anda akan melatih model pertama Anda dalam kursus ini, dan untuk tujuan yang baik!
Ingat bahwa sebelum melatih model Keras, Anda perlu melakukan kompilasi (compile). Ini dapat dilakukan dengan metode .compile(). Metode .compile() menerima argumen seperti optimizer, yang digunakan untuk memperbarui bobot, dan fungsi loss, yaitu kuantitas yang ingin kita minimalkan. Melatih model semudah memanggil metode .fit(), dengan meneruskan features, labels, dan jumlah epochs untuk pelatihan.
model regresi yang Anda bangun pada latihan sebelumnya sudah dimuat untuk Anda gunakan, bersama dengan data time_steps dan y_positions. Latih dan evaluasi pada data yang sama ini, mari kita lihat apakah model Anda dapat mempelajari lintasan meteor.
Latihan ini merupakan bagian dari kursus
Pengantar Deep Learning dengan Keras
Instruksi latihan
- Kompilasi model Anda dengan menggunakan optimizer
'adam'dan'mse'sebagai fungsi loss. - Latih model Anda menggunakan fitur dan label selama 30 epoch.
- Evaluasi model Anda dengan metode
.evaluate(), dengan meneruskan fitur dan label yang digunakan selama pelatihan.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Compile your model
model.____(____ = ____, ____ = ____)
print("Training started..., this can take a while:")
# Fit your model on your data for 30 epochs
model.____(____,____, epochs = ____)
# Evaluate your model
print("Final loss value:",model.evaluate(____, ____))