การคอมไพล์โมเดล

ตอนนี้เราจะคอมไพล์โมเดลที่กำหนดไว้ก่อนหน้านี้ ในการคอมไพล์โมเดล จำเป็นต้องระบุ optimizer และฟังก์ชัน loss ที่จะใช้ Dan ได้กล่าวไว้ในวิดีโอว่า Adam optimizer เป็นตัวเลือกที่ยอดเยี่ยม อ่านข้อมูลเพิ่มเติมเกี่ยวกับ Adam รวมถึง optimizer อื่น ๆ ใน Keras ได้ที่นี่ และหากอยากศึกษาเพิ่มเติม สามารถอ่านบทความต้นฉบับ ที่แนะนำ Adam optimizer ได้เลย

ในแบบฝึกหัดนี้ จะใช้ Adam optimizer และฟังก์ชัน loss แบบ mean squared error มาเริ่มกันเลย!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Introduction to Deep Learning in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

คอมไพล์โมเดลโดยใช้ model.compile() โดยกำหนดให้ optimizer เป็น 'adam' และ loss เป็น 'mean_squared_error'

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)

แก้ไขและรันโค้ด