Ewaluacja modeli
Dostępne są dwa wytrenowane modele: large_model, który ma wiele parametrów, oraz small_model, który ma ich mniej. Oba modele zostały wytrenowane na danych train_features i train_labels, które są do twojej dyspozycji. Dostępny jest również osobny zbiór testowy, składający się z test_features i test_labels.
Twoim celem jest porównanie wydajności obu modeli oraz sprawdzenie, czy któryś z nich wykazuje oznaki przetrenowania. W tym celu przeprowadź ewaluację modeli large_model i small_model zarówno na zbiorze treningowym, jak i testowym. Dla każdego modelu wywołaj metodę .evaluate(x, y), która oblicza stratę dla cech x i etykiet y. Na koniec porównaj cztery uzyskane wartości straty.
To ćwiczenie jest częścią kursu
Wprowadzenie do TensorFlow w Pythonie
Instrukcje do ćwiczenia
- Ewaluuj mały model na danych treningowych.
- Ewaluuj mały model na danych testowych.
- Ewaluuj duży model na danych treningowych.
- Ewaluuj duży model na danych testowych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Evaluate the small model using the train data
small_train = small_model.evaluate(____, ____)
# Evaluate the small model using the test data
small_test = ____
# Evaluate the large model using the train data
large_train = large_model.evaluate(____, ____)
# Evaluate the large model using the test data
large_test = ____
# Print losses
print('\n Small - Train: {}, Test: {}'.format(small_train, small_test))
print('Large - Train: {}, Test: {}'.format(large_train, large_test))