ÎncepețiÎncepe gratuit

Antrenarea rețelelor neuronale cu TensorFlow

În exercițiul anterior, ai definit un model, model(w1, b1, w2, b2, features), și o funcție de pierdere, loss_function(w1, b1, w2, b2, features, targets) — ambele sunt disponibile și în acest exercițiu. Acum vei antrena modelul și îi vei evalua performanța prin predicția rezultatelor de nerambursare pe un set de testare, format din test_features și test_targets. Variabilele antrenabile sunt w1, b1, w2 și b2. De asemenea, au fost importate pentru tine următoarele operații: keras.activations.relu() și keras.layers.Dropout().

Acest exercițiu face parte din cursul

Introducere în TensorFlow în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Configurează optimizatorul pentru a efectua minimizarea.
  • Adaugă cele patru variabile antrenabile în var_list, în ordinea în care apar ca argumente ale funcției loss_function().
  • Folosește modelul și test_features pentru a prezice valorile corespunzătoare lui test_targets.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
Editează și rulează codul