เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เตรียมพร้อมสำหรับการเทรนแบบ batch

ก่อนจะเทรนโมเดลเชิงเส้นแบบ batch ได้ ต้องนิยามตัวแปร ฟังก์ชัน loss และการดำเนินการ optimization ก่อน ในแบบฝึกหัดนี้ เราจะเตรียมเทรนโมเดลที่ทำนาย price_batch ซึ่งเป็น batch ของราคาบ้าน โดยใช้ size_batch ซึ่งเป็น batch ของขนาดที่ดินในหน่วยตารางฟุต ต่างจากบทเรียนก่อนหน้า เราจะโหลดข้อมูลเป็น batch โดยใช้ pandas แปลงเป็น numpy array แล้วนำไปลดค่า loss function ทีละขั้น

Variable(), keras() และ float32 ถูกนำเข้าให้แล้ว โปรดทราบว่าไม่ควรกำหนดค่าเริ่มต้นของอาร์กิวเมนต์ให้กับทั้งโมเดลและฟังก์ชัน loss เนื่องจากเราจะสร้างข้อมูลเป็น batch ระหว่างกระบวนการเทรน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

TensorFlow เบื้องต้นใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นิยาม intercept ให้มีค่าเริ่มต้นเป็น 10.0 และชนิดข้อมูลเป็น 32-bit float
  • นิยามโมเดลให้คืนค่าที่คาดการณ์ โดยใช้ intercept, slope และ features
  • นิยามฟังก์ชันชื่อ loss_function() โดยรับ intercept, slope, targets และ features เป็นอาร์กิวเมนต์ตามลำดับนั้น และไม่ต้องกำหนดค่าเริ่มต้นให้กับอาร์กิวเมนต์ใด
  • นิยามฟังก์ชัน mean squared error loss โดยใช้ targets และ predictions

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Define the intercept and slope
intercept = ___
slope = Variable(0.5, float32)

# Define the model
def linear_regression(intercept, slope, features):
	# Define the predicted values
	return ____

# Define the loss function
def ____:
	# Define the predicted values
	predictions = linear_regression(____, ____, features)
    
 	# Define the MSE loss
	return keras.losses.____(____, ____)
แก้ไขและรันโค้ด