ПочатиПочніть безкоштовно

Навчіть лінійну модель

У цій вправі ми продовжимо з того місця, де зупинилися в попередній. Параметри перетину й нахилу, intercept і slope, визначено та ініціалізовано. Додатково визначено функцію loss_function(intercept, slope), яка обчислює втрати, використовуючи дані та змінні моделі.

Тепер ви визначите операцію оптимізації як opt. Далі ви навчите уніваріативну лінійну модель, мінімізуючи втрати, щоб знайти оптимальні значення intercept і slope. Зауважте, що операція opt на кожному кроці намагатиметься наблизитися до оптимуму, але для того, щоб його знайти, знадобиться багато кроків. Тому операцію потрібно виконувати повторно.

Ця вправа є частиною курсу

Вступ до TensorFlow на Python

Переглянути курс

Інструкції до вправи

  • Ініціалізуйте оптимізатор Adam як opt зі швидкістю навчання 0.5.
  • Застосуйте метод .minimize() до оптимізатора.
  • Передайте loss_function() з відповідними аргументами як lambda-функцію до .minimize().
  • Передайте список змінних, які потрібно оновлювати, у var_list.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Initialize an Adam optimizer
opt = keras.optimizers.____(0.5)

for j in range(100):
	# Apply minimize, pass the loss function, and supply the variables
	opt.____(lambda: ____(____, ____), var_list=[____, ____])

	# Print every 10th value of the loss
	if j % 10 == 0:
		print(loss_function(intercept, slope).numpy())

# Plot data and regression line
plot_results(intercept, slope)
Редагувати та запускати код