Training
Je gaat in deze course je eerste model trainen, en nog voor een goed doel ook!
Onthoud dat je Keras-modellen moet compileren voordat je ze traint. Dat doe je met de methode .compile(). De methode .compile() neemt argumenten zoals de optimizer, gebruikt om de gewichten bij te werken, en de loss-functie, die we willen minimaliseren. Je model trainen is zo eenvoudig als de methode .fit() aanroepen, met de features, labels en een aantal epochs om voor te trainen.
Het regressie-model dat je in de vorige oefening hebt gebouwd, is voor je geladen, samen met de gegevens time_steps en y_positions. Train het en evalueer het op precies deze data. Kijken of je model het traject van de meteoor kan leren.
Deze oefening maakt deel uit van de cursus
Introductie tot Deep Learning met Keras
Oefeninstructies
- Compileer je model met de optimizer
'adam'en'mse'als verliesfunctie. - Train (fit) je model met de features en labels voor 30 epochs.
- Evalueer je model met de methode
.evaluate(), met de features en labels die tijdens het trainen zijn gebruikt.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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(____, ____))