ComeçarComece de graça

Treinamento de redes neurais com o TensorFlow

No exercício anterior, você definiu um modelo, model(w1, b1, w2, b2, features), e uma função de perda, loss_function(w1, b1, w2, b2, features, targets), ambos disponíveis para você neste exercício. Agora você treinará o modelo e avaliará seu desempenho prevendo resultados padrão em um conjunto de teste, que consiste em test_features e test_targets e está disponível para você. As variáveis treináveis são w1, b1, w2, e b2. Além disso, as seguintes operações foram importadas para você: keras.activations.relu() e keras.layers.Dropout().

Este exercício faz parte do curso

Introdução ao TensorFlow em Python

Ver curso

Instruções do exercício

  • Defina o otimizador para executar a minimização.
  • Adicione as quatro variáveis treináveis a var_list na ordem em que elas aparecem como argumentos para loss_function().
  • Use o modelo e test_features para prever os valores de test_targets.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Train the model
for j in range(100):
    # Complete the optimizer
	opt.____(lambda: loss_function(w1, b1, w2, b2), 
                 var_list=[____, ____, ____, ____])

# Make predictions with model using test features
model_predictions = model(w1, b1, w2, b2, ____)

# Construct the confusion matrix
confusion_matrix(test_targets, model_predictions)
Editar e executar o código