BaşlayınÜcretsiz başlayın

Doğrusal bir modeli bölümler halinde eğitme

Bu egzersizde, önceki egzersizde kaldığımız yerden devam ederek doğrusal regresyon modelini bölümler halinde eğiteceğiz. Bunu, veri kümesini partiler (batch) halinde ilerleyerek ve her adımın ardından modelin değişkenlerini, intercept ve slope değerlerini güncelleyerek yapacağız. Bu yaklaşım, belleğe sığmayacak kadar büyük veri kümeleriyle eğitmemize olanak tanır.

loss_function(intercept, slope, targets, features) kayıp fonksiyonunun senin için tanımlandığını unutma. Ayrıca, keras içe aktarılmış durumda ve numpy np takma adıyla kullanılabilir. Eğitilebilir değişkenler, kayıp fonksiyonundaki argümanlarda göründükleri sırayla var_list içine girilmelidir.

Bu egzersiz, kursun bir parçasıdır

Python ile TensorFlow’a Giriş

Kursa Göz Atın

Egzersiz talimatları

  • .Adam() eniyileyicisini kullan.
  • Verileri 'kc_house_data.csv' dosyasından chunksize 100 olacak şekilde partiler halinde yükle.
  • batch içinden price sütununu çıkar, 32 bit kayan nokta türünde bir numpy dizisine çevir ve price_batch değişkenine ata.
  • Kayıp fonksiyonunu tamamla, eğitilebilir değişkenler listesini doldur ve en aza indirmeyi gerçekleştir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Initialize Adam optimizer
opt = keras.optimizers.____

# Load data in batches
for batch in pd.read_csv('____', ____=____):
	size_batch = np.array(batch['sqft_lot'], np.float32)

	# Extract the price values for the current batch
	price_batch = np.array(batch['____'], np.____)

	# Complete the loss, fill in the variable list, and minimize
	opt.minimize(lambda: loss_function(____, slope, price_batch, size_batch), var_list=[intercept, ____])

# Print trained parameters
print(intercept.numpy(), slope.numpy())
Kodu Düzenle ve Çalıştır