Trenowanie modelu
Czas wytrenować swój pierwszy model w tym kursie – i to w szczytnym celu!
Pamiętaj, że przed trenowaniem modeli Keras musisz je skompilować. Służy do tego metoda .compile(). Przyjmuje ona argumenty takie jak optimizer – odpowiedzialny za aktualizację wag – oraz loss, czyli funkcja straty, którą chcemy minimalizować. Trenowanie modelu jest tak proste, jak wywołanie metody .fit() z podaniem cech, etykiet i liczby epok trenowania.
Model regresji zbudowany w poprzednim ćwiczeniu jest już załadowany i gotowy do użycia – podobnie jak dane time_steps i y_positions. Wytrenuj go i oceń na tych samych danych. Zobaczmy, czy model potrafi nauczyć się trajektorii meteoru.
To ćwiczenie jest częścią kursu
Wprowadzenie do uczenia głębokiego z Keras
Instrukcje do ćwiczenia
- Skompiluj model, używając optymalizatora
'adam'i funkcji straty'mse'. - Dopasuj model do danych, przekazując cechy i etykiety, i uruchom trening przez 30 epok.
- Oceń model za pomocą metody
.evaluate(), przekazując cechy i etykiety użyte podczas trenowania.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(____, ____))