ComeçarComece de graça

Precisamos de mais dados?

É hora de verificar se o conjunto de dados de dígitos model que você criou se beneficia de mais exemplos de treinamento!

Para reduzir o código ao mínimo, vários itens já estão inicializados e prontos para uso:

  • O model que você acabou de construir.
  • X_train,y_train,X_test, e y_test.
  • O initial_weights do seu modelo, salvo após você usar o model.get_weights().
  • Uma lista predefinida de tamanhos de treinamento: training_sizes.
  • Uma perda de monitoramento de retorno de chamada de parada antecipada predefinida: early_stop.
  • Duas listas vazias para armazenar os resultados da avaliação: train_accs e test_accs.

Treine seu modelo com os diferentes tamanhos de treinamento e avalie os resultados em X_test. Termine plotando os resultados com plot_results().

O código completo para esse exercício pode ser encontrado nos slides!

Este exercício faz parte do curso

Introdução à aprendizagem profunda com o Keras

Ver curso

Instruções do exercício

  • Obtenha uma fração dos dados de treinamento determinados pelo size que estamos avaliando atualmente no loop.
  • Defina os pesos do modelo para initial_weights com set_weights() e treine seu modelo na fração de dados de treinamento usando early_stop como retorno de chamada.
  • Avalie e armazene a precisão da fração de treinamento e do conjunto de teste.
  • Ligue para plot_results() passando nas precisões de treinamento e teste para cada tamanho de treinamento.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

for size in training_sizes:
  	# Get a fraction of training data (we only care about the training data)
    X_train_frac, y_train_frac = X_train[:size], y_train[:size]

    # Reset the model to the initial weights and train it on the new training data fraction
    model.set_weights(____)
    model.fit(X_train_frac, y_train_frac, epochs = 50, callbacks = [early_stop])

    # Evaluate and store both: the training data fraction and the complete test set results
    train_accs.append(model.evaluate(____, ____)[1])
    test_accs.append(model.evaluate(____, ____)[1])
    
# Plot train vs test accuracies
plot_results(____, ____)
Editar e executar o código