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

ćwiczenie

Trenowanie modelu liniowego na partiach danych

W tym ćwiczeniu wytrenujemy model regresji liniowej na partiach danych, kontynuując pracę z poprzedniego ćwiczenia. Będziemy przetwarzać zbiór danych partiami i aktualizować zmienne modelu – intercept oraz slope – po każdym kroku. Takie podejście umożliwia trenowanie na zbiorach danych, które są zbyt duże, aby załadować je w całości do pamięci.

Zwróć uwagę, że funkcja straty loss_function(intercept, slope, targets, features) jest już zdefiniowana. Ponadto biblioteka keras została zaimportowana, a numpy jest dostępny jako np. Trenowane zmienne należy wprowadzić do listy var_list w takiej kolejności, w jakiej pojawiają się jako argumenty funkcji straty.

Instrukcje

100 XP
  • Użyj optymalizatora .Adam().
  • Wczytaj dane z pliku 'kc_house_data.csv' partiami, ustawiając chunksize na 100.
  • Wyodrębnij kolumnę price z obiektu batch, przekonwertuj ją na tablicę numpy typu 32-bitowego float i przypisz wynik do zmiennej price_batch.
  • Uzupełnij funkcję straty, wypełnij listę trenowanych zmiennych i przeprowadź minimalizację.