ComeçarComece de graça

Ajustando os parâmetros do modelo

É hora de testar diferentes parâmetros no seu modelo e ver como ele se sai!

A função create_model() que você construiu no exercício anterior já está pronta para uso.

Como ajustar o objeto RandomizedSearchCV levaria tempo demais, os resultados que você obteria são impressos na função show_results(). Você pode tentar random_search.fit(X,y) no console para verificar que funciona depois que montar todo o resto, mas provavelmente o exercício vai estourar o tempo (então copie seu código antes, se for tentar, para não perder seu progresso!).

Você não precisa usar os parâmetros opcionais epochs e batch_size ao criar seu objeto KerasClassifier, já que você os está passando como params para a busca aleatória e isso já funciona.

Este exercício faz parte do curso

Introdução ao Deep Learning com Keras

Ver curso

Instruções do exercício

  • Importe KerasClassifier dos wrappers scikit_learn de tensorflow.keras.
  • Use sua função create_model ao instanciar o KerasClassifier.
  • Defina 'relu' e 'tanh' como activation, 32, 128 e 256 como batch_size, 50, 100 e 200 como epochs, e learning_rate de 0.1, 0.01 e 0.001.
  • Passe o seu model convertido e os params escolhidos ao construir o objeto RandomizedSearchCV.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import KerasClassifier from tensorflow.keras scikit learn wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = KerasClassifier(build_fn = ____)

# Define the parameters to try out
params = {'activation': [____, ____], 'batch_size': [____, ____, ____], 
          'epochs': [____, ____, ____], 'learning_rate': [____, ____, ____]}

# Create a randomize search cv object passing in the parameters to try
random_search = RandomizedSearchCV(____, param_distributions = ____, cv = KFold(3))

# Running random_search.fit(X,y) would start the search,but it takes too long! 
show_results()
Editar e executar o código