Optimizasyon parametrelerini değiştirme

Şimdi optimizasyonla pratik yapma zamanı. Çok düşük, çok yüksek ve "tam kararında" bir öğrenme oranıyla (learning rate) bir modeli optimize etmeyi deneyeceksin. Bu egzersizi çalıştırdıktan sonra sonuçlara bakarken, kayıp (loss) fonksiyonunun düşük olmasının iyi olduğunu unutma.

Bu egzersizlerde, önceki sınıflandırma modellerinden (Titanic'te kimin hayatta kalacağını tahmin etme) öngörücüler (predictors) ve hedef (target) değerlerini önceden yükledik. Her öğrenme oranını adil biçimde karşılaştırabilmek için, öğrenme oranını her değiştirdiğinde optimizasyonun sıfırdan başlamasını istersin. Bu nedenle, optimize edilmemiş bir model oluşturan get_new_model() adlı bir fonksiyon hazırladık.

Bu egzersiz

Python ile Deep Learning'e Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

tensorflow.keras.optimizers içinden SGD'yi içe aktar.
Denemek üzere lr_to_test adlı bir öğrenme oranları listesi oluştur. Bu listedeki öğrenme oranları .000001, 0.01 ve 1 olmalı.
lr_to_test üzerinde yinelemek için bir for döngüsü kullan:
- Yeni, optimize edilmemiş bir model oluşturmak için get_new_model() fonksiyonunu kullan.
- lr=lr anahtar argümanıyla SGD() kurucusunu kullanarak my_optimizer adlı bir optimizer oluştur.
- Modelini derle. optimizer parametresini yukarıda oluşturduğun SGD nesnesi yap ve bu bir sınıflandırma problemi olduğundan loss parametresi için 'categorical_crossentropy' kullan.
- Modelini predictors ve target ile eğit.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import the SGD optimizer
____

# Create list of learning rates: lr_to_test
lr_to_test = ____

# Loop over learning rates
for lr in lr_to_test:
    print('\n\nTesting model with learning rate: %f\n'%lr )
    
    # Build new model to test, unaffected by previous models
    model = ____
    
    # Create SGD optimizer with specified learning rate: my_optimizer
    my_optimizer = ____
    
    # Compile the model
    ____
    
    # Fit the model
    ____

Kodu Düzenle ve Çalıştır