ComeçarComece de graça

Métricas e validação com o Keras

No exercício anterior, treinamos um modelo para prever as letras da língua de sinais, mas não está claro o quanto fomos bem-sucedidos nessa tarefa. Neste exercício, tentaremos melhorar a interpretabilidade de nossos resultados. Como não usamos uma divisão de validação, só observamos melhorias de desempenho no conjunto de treinamento; no entanto, não está claro o quanto disso se deveu ao excesso de ajuste. Além disso, como não fornecemos uma métrica, observamos apenas reduções na função de perda, que não têm uma interpretação clara.

Observe que keras foi importado para você de tensorflow.

Este exercício faz parte do curso

Introdução ao TensorFlow em Python

Ver curso

Instruções do exercício

  • Defina a primeira camada densa como tendo 32 nós, use uma função de ativação sigmoid e tenha uma forma de entrada de (784,).
  • Use o otimizador de propagação de raiz quadrada média, uma perda deentropia cruzada categórica e a métrica de precisão.
  • Defina o número de épocas como 10 e use 10% do conjunto de dados para validação.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Define sequential model
model = keras.Sequential()

# Define the first layer
model.add(keras.layers.Dense(____, ____, ____))

# Add activation function to classifier
model.add(keras.layers.Dense(4, activation='softmax'))

# Set the optimizer, loss function, and metrics
model.compile(optimizer='____', loss='____', metrics=['____'])

# Add the number of epochs and the validation split
model.fit(sign_language_features, sign_language_labels, epochs=____, validation_split=____)
Editar e executar o código