ПочатиПочніть безкоштовно

Підготовка моделі до налаштування

Давайте налаштуємо гіперпараметри моделі бінарної класифікації, яка добре класифікує набір даних про рак молочної залози.

Ви бачили, що перший крок перетворення моделі на оцінювач sklearn — це написати функцію, яка її створює. Визначення цієї функції важливе, адже під час налаштування гіперпараметрів змінюються саме аргументи, які ця функція отримує.

Створіть просту функцію create_model(), яка приймає швидкість навчання та функцію активації як аргументи. Оптимізатор Adam імпортовано як об'єкт із tensorflow.keras.optimizers, тож ви також можете змінювати його параметр швидкості навчання.

Ця вправа є частиною курсу

Вступ до Deep Learning з Keras

Переглянути курс

Інструкції до вправи

  • Встановіть швидкість навчання об'єкта оптимізатора Adam на значення, передане в аргументах.
  • Встановіть активації прихованих шарів на значення, передане в аргументах.
  • Передайте оптимізатор і втрати binary cross-entropy методу .compile().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Creates a model given an activation and learning rate
def create_model(learning_rate, activation):
  
  	# Create an Adam optimizer with the given learning rate
  	opt = Adam(lr = ____)
  	
  	# Create your binary classification model  
  	model = Sequential()
  	model.add(Dense(128, input_shape = (30,), activation = ____))
  	model.add(Dense(256, activation = ____))
  	model.add(Dense(1, activation = 'sigmoid'))
  	
  	# Compile your model with your optimizer, loss, and metrics
  	model.compile(optimizer = ____, loss = ____, metrics = ['accuracy'])
  	return model
Редагувати та запускати код