НачатьНачать бесплатно

Обучение нейронных сетей с помощью TensorFlow

В предыдущем упражнении вы определили модель model(w1, b1, w2, b2, features) и функцию потерь loss_function(w1, b1, w2, b2, features, targets) — обе доступны вам в этом упражнении. Теперь вы обучите модель и оцените её качество, предсказав вероятность дефолта на тестовой выборке, которая состоит из test_features и test_targets. Обучаемые переменные: w1, b1, w2 и b2. Кроме того, для вас уже импортированы следующие операции: keras.activations.relu() и keras.layers.Dropout().

Это упражнение является частью курса

Введение в TensorFlow на Python

Посмотреть курс

Инструкции к упражнению

  • Настройте оптимизатор на выполнение минимизации.
  • Добавьте четыре обучаемые переменные в var_list в том порядке, в котором они передаются как аргументы функции loss_function().
  • Используйте модель и test_features, чтобы предсказать значения для test_targets.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)
Редактировать и запускать код