НачатьНачать бесплатно

Подготовка к пакетному обучению

Прежде чем обучать линейную модель на пакетах данных, необходимо определить переменные, функцию потерь и операцию оптимизации. В этом упражнении мы подготовимся к обучению модели, которая будет предсказывать price_batch — пакет цен на дома — на основе size_batch, пакета площадей участков в квадратных футах. В отличие от предыдущего урока, мы будем загружать пакеты данных с помощью pandas, преобразовывать их в массивы numpy и использовать для поэтапной минимизации функции потерь.

Variable(), keras() и float32 уже импортированы. Обратите внимание: не задавайте значения аргументов по умолчанию ни для модели, ни для функции потерь, так как данные будут генерироваться пакетами в процессе обучения.

Это упражнение является частью курса

Введение в TensorFlow на Python

Посмотреть курс

Инструкции к упражнению

  • Определите intercept с начальным значением 10.0 и типом данных 32-битный float.
  • Определите модель так, чтобы она возвращала прогнозируемые значения с использованием intercept, slope и features.
  • Определите функцию loss_function(), принимающую аргументы intercept, slope, targets и features именно в таком порядке. Не задавайте значения аргументов по умолчанию.
  • Определите функцию потерь в виде среднеквадратической ошибки, используя targets и predictions.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Define the intercept and slope
intercept = ___
slope = Variable(0.5, float32)

# Define the model
def linear_regression(intercept, slope, features):
	# Define the predicted values
	return ____

# Define the loss function
def ____:
	# Define the predicted values
	predictions = linear_regression(____, ____, features)
    
 	# Define the MSE loss
	return keras.losses.____(____, ____)
Редактировать и запускать код