손실 함수 수정하기
이전 연습 문제에서는 tensorflow 손실 함수를 정의하고 실제 값과 예측 값 한 세트에 대해 한 번 평가했어요. 이번에는 loss_function()이라는 다른 함수 안에서 손실을 계산합니다. 이 함수는 먼저 데이터와 변수에서 예측 값을 생성해요. 이렇게 하는 목적은 학습 가능한 모델 변수들의 함수로서 손실을 반환하도록 구성하기 위함입니다. 그런 다음 최소값을 찾을 때까지 서로 다른 변수 값에 대해 이 함수를 반복적으로 평가할 수 있어요. 실제로는 이 함수를 tensorflow의 옵티마이저에 전달하게 됩니다. features와 targets는 이미 정의되어 사용 가능하다는 점에 유의하세요. 또한 Variable, float32, keras도 사용 가능합니다.
이 연습은 강의의 일부입니다
Python으로 시작하는 TensorFlow
연습 안내
- 초기값 1.0, 타입
float32인 변수scalar를 정의하세요. loss_function()이라는 함수를 정의하고, 인수는 그 순서대로scalar,features,targets를 받도록 하세요.- 평균 절대 오차 손실 함수를 사용하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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())