ÎncepețiÎncepe gratuit

Antrenează un model liniar

În acest exercițiu, vom continua de unde am rămas în exercițiul anterior. Interceptul și panta, intercept și slope, au fost deja definite și inițializate. De asemenea, a fost definită o funcție, loss_function(intercept, slope), care calculează pierderea folosind datele și variabilele modelului.

Vei defini acum o operație de optimizare numită opt. Apoi vei antrena un model liniar univariat minimizând pierderea pentru a găsi valorile optime ale lui intercept și slope. Reține că operația opt va încerca să se apropie de optim la fiecare pas, însă va necesita mulți pași pentru a-l găsi. Prin urmare, trebuie să execuți operația în mod repetat.

Acest exercițiu face parte din cursul

Introducere în TensorFlow în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Inițializează un optimizer Adam ca opt, cu o rată de învățare de 0,5.
  • Aplică metoda .minimize() pe optimizer.
  • Transmite loss_function() cu argumentele corespunzătoare ca funcție lambda către .minimize().
  • Furnizează lista variabilelor care trebuie actualizate în var_list.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Initialize an Adam optimizer
opt = keras.optimizers.____(0.5)

for j in range(100):
	# Apply minimize, pass the loss function, and supply the variables
	opt.____(lambda: ____(____, ____), var_list=[____, ____])

	# Print every 10th value of the loss
	if j % 10 == 0:
		print(loss_function(intercept, slope).numpy())

# Plot data and regression line
plot_results(intercept, slope)
Editează și rulează codul