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

ćwiczenie

Trenowanie modelu liniowego

W tym ćwiczeniu kontynuujemy pracę rozpoczętą w poprzednim kroku. Wyrazy wolny i współczynnik kierunkowy, intercept i slope, zostały już zdefiniowane i zainicjalizowane. Zdefiniowana została również funkcja loss_function(intercept, slope), która oblicza stratę na podstawie danych i zmiennych modelu.

Teraz zdefiniujesz operację optymalizacji jako opt, a następnie wytrenujemy jednowymiarowy model liniowy, minimalizując stratę w celu znalezienia optymalnych wartości intercept i slope. Zwróć uwagę, że operacja opt z każdym krokiem zbliża się do optimum, ale potrzebuje wielu kroków, żeby je osiągnąć. Dlatego musisz wykonywać tę operację wielokrotnie.

Instrukcje

100 XP
  • Zainicjalizuj optymalizator Adam jako opt ze współczynnikiem uczenia równym 0,5.
  • Zastosuj metodę .minimize() do optymalizatora.
  • Przekaż loss_function() z odpowiednimi argumentami jako funkcję lambda do .minimize().
  • Podaj listę zmiennych do zaktualizowania w argumencie var_list.