모델 평가하기
두 개의 모델이 학습되어 준비되어 있어요. 파라미터가 많은 large_model과 파라미터가 더 적은 small_model이에요. 두 모델 모두 train_features와 train_labels로 학습되었고, 별도의 테스트 세트인 test_features와 test_labels도 제공돼요.
목표는 두 모델의 상대적인 성능을 평가하고, 과적합 징후가 있는지도 확인하는 거예요. 이를 위해 large_model과 small_model을 학습 세트와 테스트 세트 모두에서 평가할 거예요. 각 모델에 대해 .evaluate(x, y) 메서드를 적용해 features x와 labels y에 대한 손실을 계산하면 됩니다. 그런 다음 생성된 네 개의 손실 값을 비교하세요.
이 연습은 강의의 일부입니다
Python으로 시작하는 TensorFlow
연습 안내
- 학습 데이터로 small 모델을 평가하세요.
- 테스트 데이터로 small 모델을 평가하세요.
- 학습 데이터로 large 모델을 평가하세요.
- 테스트 데이터로 large 모델을 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Evaluate the small model using the train data
small_train = small_model.evaluate(____, ____)
# Evaluate the small model using the test data
small_test = ____
# Evaluate the large model using the train data
large_train = large_model.evaluate(____, ____)
# Evaluate the large model using the test data
large_test = ____
# Print losses
print('\n Small - Train: {}, Test: {}'.format(small_train, small_test))
print('Large - Train: {}, Test: {}'.format(large_train, large_test))