Bắt đầu ngayBắt đầu miễn phí

Chuẩn bị một mô hình để tinh chỉnh

Hãy tinh chỉnh các siêu tham số của một mô hình phân loại nhị phân để phân loại tốt bộ dữ liệu ung thư vú.

Bạn đã thấy rằng bước đầu tiên để biến một mô hình thành một estimator của sklearn là xây dựng một hàm để tạo mô hình. Cách định nghĩa hàm này rất quan trọng vì quá trình tinh chỉnh siêu tham số sẽ được thực hiện bằng cách thay đổi các đối số mà hàm của bạn nhận vào.

Hãy xây dựng một hàm create_model() đơn giản nhận cả learning rate và activation function làm đối số. Bộ tối ưu Adam đã được nhập dưới dạng một đối tượng từ tensorflow.keras.optimizers để bạn cũng có thể thay đổi tham số learning rate của nó.

Bài tập này là một phần của khóa học

Nhập môn Deep Learning với Keras

Xem khóa học

Hướng dẫn bài tập

  • Đặt learning rate của đối tượng bộ tối ưu Adam theo giá trị được truyền trong đối số.
  • Đặt activation cho các tầng ẩn theo giá trị được truyền trong đối số.
  • Truyền bộ tối ưu và hàm mất mát binary cross-entropy vào phương thức .compile().

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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
Chỉnh sửa và Chạy Mã