1. 学ぶ
    2. /
  2. コース
    3. /
  3. Introducere în TensorFlow în Python
Connected

演習

Detectarea supraantrenării

În acest exercițiu, vom lucra cu un subset mic de exemple din setul de date original cu litere din limbajul semnelor. Un eșantion redus, combinat cu un model cu mulți parametri, duce în general la supraantrenare (overfitting). Aceasta înseamnă că modelul va memora pur și simplu clasa fiecărui exemplu, în loc să identifice caracteristici care să se generalizeze la mai multe exemple.

Vei detecta supraantrenarea verificând dacă pierderea pe setul de validare este semnificativ mai mare decât pierderea pe setul de antrenament și dacă aceasta crește pe măsură ce antrenarea continuă. Cu un eșantion mic și o rată de învățare ridicată, modelul va avea dificultăți în a converge spre un optim. Vei seta o rată de învățare scăzută pentru optimizator, ceea ce va facilita identificarea supraantrenării.

Reține că keras a fost importat din tensorflow.

指示

100 XP
  • Definește un model secvențial în keras cu numele model.
  • Adaugă un prim strat dens cu 1024 de noduri, o activare relu și o formă de intrare de (784,).
  • Setează rata de învățare la 0.001.
  • Configurează operația fit() să itereze peste întregul eșantion de 50 de ori și să folosească 50% din eșantion în scop de validare.