การประเมินโมเดล
มีโมเดลสองตัวที่ผ่านการฝึกมาแล้วและพร้อมใช้งาน ได้แก่ large_model ซึ่งมีพารามิเตอร์จำนวนมาก และ small_model ซึ่งมีพารามิเตอร์น้อยกว่า ทั้งสองโมเดลถูกฝึกด้วย train_features และ train_labels ซึ่งมีให้ใช้งานอยู่แล้ว นอกจากนี้ยังมีชุดข้อมูลทดสอบแยกต่างหาก ประกอบด้วย test_features และ test_labels
เป้าหมายคือการประเมินประสิทธิภาพสัมพัทธ์ของโมเดลทั้งสอง และตรวจสอบว่าโมเดลใดมีสัญญาณของการ overfit หรือไม่ โดยประเมิน large_model และ small_model บนทั้งชุดข้อมูล train และ test สำหรับแต่ละโมเดล ให้ใช้เมธอด .evaluate(x, y) เพื่อคำนวณค่า loss สำหรับ features x และ labels y จากนั้นนำค่า loss ทั้งสี่มาเปรียบเทียบกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
TensorFlow เบื้องต้นใน Python
คำแนะนำการฝึกหัด
- ประเมิน small model โดยใช้ข้อมูล train
- ประเมิน small model โดยใช้ข้อมูล test
- ประเมิน large model โดยใช้ข้อมูล train
- ประเมิน large model โดยใช้ข้อมูล test
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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))