ÎncepețiÎncepe gratuit

Evaluarea modelelor

Două modele au fost antrenate și sunt disponibile: large_model, care are mulți parametri, și small_model, care are mai puțini parametri. Ambele modele au fost antrenate folosind train_features și train_labels, care îți sunt disponibile. De asemenea, ai la dispoziție un set de testare separat, format din test_features și test_labels.

Scopul tău este să evaluezi performanța relativă a modelelor și să determini dacă vreunul dintre ele prezintă semne de supraantrenare (overfitting). Vei face acest lucru evaluând large_model și small_model atât pe setul de antrenament, cât și pe cel de testare. Pentru fiecare model, poți aplica metoda .evaluate(x, y) pentru a calcula pierderea pentru atributele x și etichetele y. Vei compara apoi cele patru valori ale pierderii obținute.

Acest exercițiu face parte din cursul

Introducere în TensorFlow în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Evaluează modelul mic folosind datele de antrenament.
  • Evaluează modelul mic folosind datele de testare.
  • Evaluează modelul mare folosind datele de antrenament.
  • Evaluează modelul mare folosind datele de testare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Evaluate the small model using the train data
small_train = small_model.evaluate(____, ____)

# Evaluate the small model using the test data
small_test = ____

# Evaluate the large model using the train data
large_train = large_model.evaluate(____, ____)

# Evaluate the large model using the test data
large_test = ____

# Print losses
print('\n Small - Train: {}, Test: {}'.format(small_train, small_test))
print('Large - Train: {}, Test: {}'.format(large_train, large_test))
Editează și rulează codul