1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do uczenia głębokiego z Keras
Connected

ćwiczenie

Strojenie parametrów modelu

Czas przetestować różne parametry modelu i sprawdzić, jak dobrze sobie radzi!

Funkcja create_model(), którą zbudowano w poprzednim ćwiczeniu, jest gotowa do użycia.

Ponieważ dopasowanie obiektu RandomizedSearchCV zajęłoby zbyt dużo czasu, wyniki, które byś otrzymał(a), są wyświetlane przez funkcję show_results(). Możesz samodzielnie wypróbować random_search.fit(X,y) w konsoli, żeby upewnić się, że wszystko działa po zbudowaniu reszty kodu – pamiętaj jednak, że ćwiczenie może się przeterminować (na wszelki wypadek skopiuj wcześniej swój kod, żeby nie utracić postępów!).

Podczas tworzenia obiektu KerasClassifier nie musisz używać opcjonalnych parametrów epochs ani batch_size, ponieważ przekazujesz je jako params do przeszukiwania losowego – to wystarczy.

Instrukcje

100 XP
  • Zaimportuj KerasClassifier z wrapperów scikit-learn dostępnych w tensorflow.keras.
  • Użyj swojej funkcji create_model podczas tworzenia instancji KerasClassifier.
  • Ustaw 'relu' i 'tanh' jako activation, 32, 128 i 256 jako batch_size, 50, 100 i 200 jako epochs oraz learning_rate równe 0.1, 0.01 i 0.001.
  • Przekaż przekonwertowany model oraz wybrane params podczas budowania obiektu RandomizedSearchCV.