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

ćwiczenie

Przygotowanie do trenowania wsadowego

Zanim będziemy mogli trenować model liniowy wsadowo, musimy najpierw zdefiniować zmienne, funkcję straty oraz operację optymalizacji. W tym ćwiczeniu przygotujesz model, który będzie przewidywał price_batch – wsad cen nieruchomości – na podstawie size_batch, czyli wsadu powierzchni działek w stopach kwadratowych. W odróżnieniu od poprzedniej lekcji, dane będziemy ładować wsadowo za pomocą pandas, konwertować na tablice numpy, a następnie minimalizować funkcję straty krokowo.

Variable(), keras() oraz float32 zostały już zaimportowane. Pamiętaj, aby nie ustawiać domyślnych wartości argumentów ani dla modelu, ani dla funkcji straty – dane będą generowane wsadowo podczas procesu trenowania.

Instrukcje

100 XP
  • Zdefiniuj intercept z wartością początkową 10.0 i typem danych 32-bitowy float.
  • Zdefiniuj model tak, aby zwracał wartości przewidywane na podstawie intercept, slope i features.
  • Zdefiniuj funkcję loss_function(), która przyjmuje argumenty intercept, slope, targets i features – dokładnie w tej kolejności. Nie ustawiaj domyślnych wartości argumentów.
  • Zdefiniuj funkcję straty w postaci błędu średniokwadratowego, korzystając z targets i predictions.