BaşlayınÜcretsiz başlayın

Aşırı öğrenmeyi tespit etme

Bu egzersizde, orijinal işaret dili harfleri veri kümesindeki örneklerin küçük bir alt kümesiyle çalışacağız. Küçük bir örneklem, aşırı sayıda parametreye sahip bir modelle birleştiğinde genellikle aşırı öğrenmeye yol açar. Bu, modelinin birçok örneğe genellenebilecek özellikleri belirlemek yerine, her bir örneğin sınıfını ezberlemesi anlamına gelir.

Aşırı öğrenmeyi, doğrulama örneklemi kaybının eğitim örneklemi kaybından belirgin şekilde yüksek olup olmadığına ve daha fazla eğitimle artıp artmadığına bakarak tespit edeceksin. Küçük bir örneklem ve yüksek bir öğrenme oranıyla model bir optimuma yakınsamakta zorlanır. Aşırı öğrenmeyi daha kolay belirleyebilmek için, optimize edici için düşük bir öğrenme oranı ayarlayacaksın.

keras'ın tensorflow içinden içe aktarıldığını unutma.

Bu egzersiz, kursun bir parçasıdır

Python ile TensorFlow’a Giriş

Kursa Göz Atın

Egzersiz talimatları

  • keras içinde model adlı sıralı (sequential) bir model tanımla.
  • 1024 düğümlü, relu aktivasyonlu ve giriş şekli (784,) olan ilk yoğun (dense) katmanı ekle.
  • Öğrenme oranını 0.001 olarak ayarla.
  • fit() işlemini tüm örneklem üzerinde 50 kez yineleyecek ve örneklemin %50'sini doğrulama için kullanacak şekilde ayarla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Define sequential model
____

# Define the first layer
____

# Add activation function to classifier
model.add(keras.layers.Dense(4, activation='softmax'))

# Finish the model compilation
model.compile(optimizer=keras.optimizers.Adam(lr=____), 
              loss='categorical_crossentropy', metrics=['accuracy'])

# Complete the model fit operation
model.fit(sign_language_features, sign_language_labels, epochs=____, validation_split=____)
Kodu Düzenle ve Çalıştır