เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ฝึกโมเดลเชิงเส้น

ในแบบฝึกหัดนี้ เราจะต่อจากแบบฝึกหัดก่อนหน้า โดยที่ intercept และ slope ถูกกำหนดและกำหนดค่าเริ่มต้นไว้แล้ว นอกจากนี้ยังมีฟังก์ชัน loss_function(intercept, slope) ที่คำนวณค่า loss โดยใช้ข้อมูลและตัวแปรของโมเดล

ในขั้นตอนนี้ คุณจะกำหนด optimization operation ในชื่อ opt จากนั้นฝึกโมเดลเชิงเส้นแบบตัวแปรเดียวด้วยการ minimize ค่า loss เพื่อหาค่าที่เหมาะสมที่สุดของ intercept และ slope โดย opt จะค่อย ๆ เข้าใกล้จุด optimum ทีละขั้น ซึ่งต้องใช้หลายขั้นตอนกว่าจะถึง ดังนั้นจึงต้องรันคำสั่งนี้ซ้ำหลายครั้ง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

TensorFlow เบื้องต้นใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดค่าเริ่มต้น Adam optimizer ในชื่อ opt โดยตั้ง learning rate เป็น 0.5
  • เรียกใช้เมธอด .minimize() กับ optimizer
  • ส่ง loss_function() พร้อมอาร์กิวเมนต์ที่เหมาะสมในรูป lambda function ให้กับ .minimize()
  • ระบุรายการตัวแปรที่ต้องการอัปเดตใน var_list

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Initialize an Adam optimizer
opt = keras.optimizers.____(0.5)

for j in range(100):
	# Apply minimize, pass the loss function, and supply the variables
	opt.____(lambda: ____(____, ____), var_list=[____, ____])

	# Print every 10th value of the loss
	if j % 10 == 0:
		print(loss_function(intercept, slope).numpy())

# Plot data and regression line
plot_results(intercept, slope)
แก้ไขและรันโค้ด