ПочатиПочніть безкоштовно

Навчання нейронних мереж у TensorFlow

У попередній вправі ви визначили модель model(w1, b1, w2, b2, features) і функцію втрат loss_function(w1, b1, w2, b2, features, targets). Обидві доступні вам у цій вправі. Тепер ви натренуєте модель, а потім оціните її якість, передбачивши дефолти у тестовій вибірці, яка складається з test_features і test_targets та доступна вам. Навчені змінні: w1, b1, w2 і b2. Крім того, для вас імпортовано такі операції: keras.activations.relu() і keras.layers.Dropout().

Ця вправа є частиною курсу

Вступ до TensorFlow на Python

Переглянути курс

Інструкції до вправи

  • Налаштуйте оптимізатор на мінімізацію.
  • Додайте чотири навчені змінні до var_list у тому порядку, у якому вони подані як аргументи в loss_function().
  • Використайте модель і test_features, щоб передбачити значення для test_targets.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Train the model
for j in range(100):
    # Complete the optimizer
	opt.____(lambda: loss_function(w1, b1, w2, b2), 
                 var_list=[____, ____, ____, ____])

# Make predictions with model using test features
model_predictions = model(w1, b1, w2, b2, ____)

# Construct the confusion matrix
confusion_matrix(test_targets, model_predictions)
Редагувати та запускати код