Chỉnh sửa hàm mất mát
Trong bài tập trước, bạn đã định nghĩa một hàm mất mát của tensorflow rồi đánh giá nó một lần cho một tập giá trị thực tế và dự đoán. Trong bài này, bạn sẽ tính mất mát bên trong một hàm khác tên là loss_function(), hàm này trước tiên sinh ra các giá trị dự đoán từ dữ liệu và các biến. Mục tiêu là xây dựng một hàm theo các biến có thể huấn luyện của mô hình và trả về giá trị mất mát. Khi đó bạn có thể lặp lại việc đánh giá hàm này với các giá trị biến khác nhau cho đến khi tìm được giá trị nhỏ nhất. Trong thực tế, bạn sẽ truyền hàm này vào một bộ tối ưu trong tensorflow. Lưu ý rằng features và targets đã được định nghĩa và sẵn sàng sử dụng. Ngoài ra, Variable, float32, và keras cũng đã sẵn có.
Bài tập này là một phần của khóa học
Nhập môn TensorFlow bằng Python
Hướng dẫn bài tập
- Định nghĩa một biến
scalarvới giá trị khởi tạo 1.0 và kiểufloat32. - Định nghĩa một hàm tên
loss_function(), nhận các đối số theo thứ tự:scalar,features, rồitargets. - Sử dụng hàm mất mát mean absolute error.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Initialize a variable named scalar
scalar = ____(1.0, ____)
# Define the model
def model(scalar, features = features):
return scalar * features
# Define a loss function
def loss_function(____, features = features, targets = targets):
# Compute the predicted values
predictions = model(scalar, features)
# Return the mean absolute error loss
return keras.losses.____(targets, predictions)
# Evaluate the loss function and print the loss
print(loss_function(scalar).numpy())