เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การฝึกโครงข่ายประสาทเทียมด้วย TensorFlow

ในแบบฝึกหัดก่อนหน้า คุณได้กำหนดโมเดล model(w1, b1, w2, b2, features) และฟังก์ชันความสูญเสีย loss_function(w1, b1, w2, b2, features, targets) ซึ่งทั้งสองพร้อมใช้งานในแบบฝึกหัดนี้ ต่อไปจะฝึกโมเดลแล้วประเมินประสิทธิภาพโดยการทำนายผลการผิดนัดชำระหนี้จากชุดทดสอบ ซึ่งประกอบด้วย test_features และ test_targets ตัวแปรที่ฝึกได้ ได้แก่ w1, b1, w2 และ b2 นอกจากนี้ ยังได้นำเข้าการดำเนินการต่อไปนี้ให้แล้ว ได้แก่ keras.activations.relu() และ keras.layers.Dropout()

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

TensorFlow เบื้องต้นใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดให้ optimizer ทำการ minimization
  • เพิ่มตัวแปรที่ฝึกได้ทั้งสี่ตัวลงใน var_list ตามลำดับที่ปรากฏเป็นอาร์กิวเมนต์ใน loss_function()
  • ใช้โมเดลและ test_features เพื่อทำนายค่าสำหรับ test_targets

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Train the model
for j in range(100):
    # Complete the optimizer
	opt.____(lambda: loss_function(w1, b1, w2, b2), 
                 var_list=[____, ____, ____, ____])

# Make predictions with model using test features
model_predictions = model(w1, b1, w2, b2, ____)

# Construct the confusion matrix
confusion_matrix(test_targets, model_predictions)
แก้ไขและรันโค้ด