Träning
Nu ska du träna din första modell i kursen – och för ett gott ändamål!
Kom ihåg att du måste kompilera dina Keras-modeller innan du tränar dem. Det gör du med metoden .compile(). Den tar argument som optimizer, som används för att uppdatera vikterna, och loss-funktionen, som är det vi vill minimera. Att träna modellen är enkelt: anropa .fit()-metoden och skicka med särdragen, etiketterna och det antal epoker du vill träna i.
Regressionsmodellen model som du byggde i föregående övning är redan inläst, liksom data för time_steps och y_positions. Träna modellen och utvärdera den på samma data – ska vi se om den kan lära sig meteoritens bana!
Den här övningen är en del av kursen
Introduktion till djupinlärning med Keras
Övningsinstruktioner
- Kompilera modellen med optimeraren
'adam'och'mse'som förlustfunktion. - Träna modellen med särdragen och etiketterna i 30 epoker.
- Utvärdera modellen med metoden
.evaluate(), och skicka med de särdrag och etiketter som användes under träningen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Compile your model
model.____(____ = ____, ____ = ____)
print("Training started..., this can take a while:")
# Fit your model on your data for 30 epochs
model.____(____,____, epochs = ____)
# Evaluate your model
print("Final loss value:",model.evaluate(____, ____))