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

ćwiczenie

Modyfikowanie funkcji straty

W poprzednim ćwiczeniu zdefiniowałeś funkcję straty w tensorflow, a następnie obliczyłeś ją raz dla zestawu wartości rzeczywistych i przewidywanych. W tym ćwiczeniu obliczysz stratę wewnątrz innej funkcji o nazwie loss_function(), która najpierw generuje wartości przewidywane na podstawie danych i zmiennych. Celem jest skonstruowanie funkcji trenowalnych zmiennych modelu, która zwraca wartość straty. Następnie możesz wielokrotnie wywoływać tę funkcję dla różnych wartości zmiennych, aż znajdziesz minimum. W praktyce przekażesz tę funkcję do optymalizatora w tensorflow. Zwróć uwagę, że features i targets są już zdefiniowane i dostępne. Dostępne są też Variable, float32 oraz keras.

Instrukcje

100 XP
  • Zdefiniuj zmienną scalar z wartością początkową 1.0 i typem float32.
  • Zdefiniuj funkcję loss_function(), która przyjmuje argumenty scalar, features i targets – dokładnie w tej kolejności.
  • Użyj funkcji straty opartej na błędzie średnim bezwzględnym.