BaşlayınÜcretsiz başlayın

Kayıp fonksiyonunu değiştirme

Önceki egzersizde, bir tensorflow kayıp fonksiyonu tanımladın ve sonra bunu bir gerçek ve tahmin edilen değerler kümesi için bir kez değerlendirdin. Bu egzersizde, kaybı, önce verilerden ve değişkenlerden tahmin edilen değerler üreten loss_function() adlı başka bir fonksiyonun içinde hesaplayacaksın. Bunun amacı, eğitilebilir model değişkenlerinin bir fonksiyonunu oluşturup kaybı döndürmesini sağlamak. Böylece bu fonksiyonu, minimumu bulana kadar farklı değişken değerleri için tekrar tekrar değerlendirebilirsin. Pratikte, bu fonksiyonu tensorflow içindeki bir optimize ediciye ileteceksin. features ve targets'ın tanımlandığını ve kullanılabilir olduğunu unutma. Ayrıca Variable, float32 ve keras da hazır durumda.

Bu egzersiz, kursun bir parçasıdır

Python ile TensorFlow’a Giriş

Kursa Göz Atın

Egzersiz talimatları

  • Başlangıç değeri 1.0 ve türü float32 olan bir değişken scalar tanımla.
  • loss_function() adlı bir fonksiyon tanımla; argümanları sırasıyla scalar, features ve targets olsun.
  • Ortalama mutlak hata kayıp fonksiyonunu kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Initialize a variable named scalar
scalar = ____(1.0, ____)

# Define the model
def model(scalar, features = features):
  	return scalar * features

# Define a loss function
def loss_function(____, features = features, targets = targets):
	# Compute the predicted values
	predictions = model(scalar, features)
    
	# Return the mean absolute error loss
	return keras.losses.____(targets, predictions)

# Evaluate the loss function and print the loss
print(loss_function(scalar).numpy())
Kodu Düzenle ve Çalıştır