Utvärdera modeller
Två modeller har tränats och finns tillgängliga: large_model, som har många parametrar, och small_model, som har färre parametrar. Båda modellerna har tränats med train_features och train_labels, som du har tillgång till. Det finns också ett separat testset bestående av test_features och test_labels.
Ditt mål är att jämföra modellernas prestanda och avgöra om någon av dem visar tecken på överanpassning. Det gör du genom att utvärdera large_model och small_model på både tränings- och testdata. För varje modell använder du metoden .evaluate(x, y) för att beräkna förlusten för särdrag x och etiketter y. Jämför sedan de fyra förlusterna med varandra.
Den här övningen är en del av kursen
Introduktion till TensorFlow i Python
Övningsinstruktioner
- Utvärdera den lilla modellen med träningsdata.
- Utvärdera den lilla modellen med testdata.
- Utvärdera den stora modellen med träningsdata.
- Utvärdera den stora modellen med testdata.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Evaluate the small model using the train data
small_train = small_model.evaluate(____, ____)
# Evaluate the small model using the test data
small_test = ____
# Evaluate the large model using the train data
large_train = large_model.evaluate(____, ____)
# Evaluate the large model using the test data
large_test = ____
# Print losses
print('\n Small - Train: {}, Test: {}'.format(small_train, small_test))
print('Large - Train: {}, Test: {}'.format(large_train, large_test))