Bắt đầu ngayBắt đầu miễn phí

Metric và validation với Keras

Ở bài trước, chúng ta đã huấn luyện một mô hình để dự đoán các chữ cái trong ngôn ngữ ký hiệu, nhưng mức độ thành công vẫn chưa rõ ràng. Trong bài này, bạn sẽ cải thiện khả năng diễn giải kết quả. Vì chúng ta chưa dùng validation split, ta chỉ quan sát thấy hiệu năng cải thiện trên tập huấn luyện; tuy nhiên, không rõ bao nhiêu trong số đó là do overfitting. Thêm nữa, vì không cung cấp metric, ta chỉ thấy hàm loss giảm, điều này không có diễn giải rõ ràng.

Lưu ý: keras đã được nhập sẵn từ tensorflow.

Bài tập này là một phần của khóa học

Nhập môn TensorFlow bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Thiết lập lớp dense đầu tiên có 32 node, dùng hàm kích hoạt sigmoid, và có input_shape là (784,).
  • Dùng bộ tối ưu root mean square propagation, hàm mất mát categorical crossentropy, và metric accuracy.
  • Đặt số epoch là 10 và dùng 10% tập dữ liệu cho validation.

Bài tập tương tác thực hành trực tiếp

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

# Define sequential model
model = keras.Sequential()

# Define the first layer
model.add(keras.layers.Dense(____, ____, ____))

# Add activation function to classifier
model.add(keras.layers.Dense(4, activation='softmax'))

# Set the optimizer, loss function, and metrics
model.compile(optimizer='____', loss='____', metrics=['____'])

# Add the number of epochs and the validation split
model.fit(sign_language_features, sign_language_labels, epochs=____, validation_split=____)
Chỉnh sửa và Chạy Mã