Kompilera modellen
Nu ska du kompilera den modell du definierade tidigare. För att kompilera modellen behöver du ange vilken optimerare och förlustfunktion som ska användas. I videon nämnde Dan att Adam-optimeraren är ett utmärkt val. Du kan läsa mer om den och andra Keras-optimerare här, och om du vill fördjupa dig ytterligare finns den ursprungliga artikeln som introducerade Adam-optimeraren.
I den här övningen använder du Adam-optimeraren och förlustfunktionen för medelkvadratfel. Sätt igång!
Den här övningen är en del av kursen
Introduktion till djupinlärning i Python
Övningsinstruktioner
- Kompilera modellen med
model.compile(). Sättoptimizertill'adam'ochlosstill'mean_squared_error'.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
# Specify the model
n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(50, activation='relu', input_shape = (n_cols,)))
model.add(Dense(32, activation='relu'))
model.add(Dense(1))
# Compile the model
____
# Verify that model contains information from compiling
print("Loss function: " + model.loss)