ПочатиПочніть безкоштовно

Підготовка до пакетного навчання

Перш ніж навчати лінійну модель пакетами, спочатку потрібно визначити змінні, функцію втрат і операцію оптимізації. У цій вправі ми підготуємося тренувати модель, яка передбачатиме price_batch — пакет цін на будинки — використовуючи size_batch — пакет площ ділянок у квадратних футах. На відміну від попереднього уроку, ми завантажуватимемо дані пакетами за допомогою pandas, перетворюватимемо їх на масиви numpy, а потім поетапно мінімізуватимемо функцію втрат.

Variable(), keras() і float32 вже імпортовано. Зверніть увагу: не задавайте типові значення аргументів ні для моделі, ні для функції втрат, оскільки ми генеруватимемо дані пакетами під час процесу навчання.

Ця вправа є частиною курсу

Вступ до TensorFlow на Python

Переглянути курс

Інструкції до вправи

  • Визначте intercept з початковим значенням 10.0 і типом даних 32-бітний float.
  • Визначте модель, щоб вона повертала прогнозовані значення, використовуючи intercept, slope і features.
  • Визначте функцію loss_function(), яка приймає аргументи intercept, slope, targets і features — саме в такому порядку. Не задавайте типові значення аргументів.
  • Визначте функцію втрат як середньоквадратичну помилку, використовуючи targets і predictions.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Define the intercept and slope
intercept = ___
slope = Variable(0.5, float32)

# Define the model
def linear_regression(intercept, slope, features):
	# Define the predicted values
	return ____

# Define the loss function
def ____:
	# Define the predicted values
	predictions = linear_regression(____, ____, features)
    
 	# Define the MSE loss
	return keras.losses.____(____, ____)
Редагувати та запускати код