1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do TensorFlow w Pythonie
Connected

ćwiczenie

Metryki i walidacja w Keras

W poprzednim ćwiczeniu wytrenowaliśmy model do rozpoznawania liter języka migowego, ale trudno ocenić, na ile skutecznie. W tym ćwiczeniu postaramy się lepiej zinterpretować uzyskane wyniki. Ponieważ nie zastosowaliśmy podziału walidacyjnego, obserwowaliśmy poprawę wydajności wyłącznie na zbiorze treningowym – nie wiadomo więc, ile z tej poprawy wynikało z przeuczenia. Co więcej, bez podania metryki widzieliśmy jedynie spadki wartości funkcji straty, które same w sobie są trudne do interpretacji.

Zwróć uwagę, że keras zostało już zaimportowane z tensorflow.

Instrukcje

100 XP
  • Ustaw pierwszą warstwę gęstą na 32 węzły, zastosuj funkcję aktywacji sigmoid i zdefiniuj kształt wejścia jako (784,).
  • Użyj optymalizatora propagacji średniokwadratowej, straty kategorycznej entropii krzyżowej oraz metryki dokładności.
  • Ustaw liczbę epok na 10 i przeznacz 10% zbioru danych na walidację.