Huấn luyện mạng neural với TensorFlow
Trong bài tập trước, bạn đã định nghĩa một mô hình, model(w1, b1, w2, b2, features), và một hàm mất mát, loss_function(w1, b1, w2, b2, features, targets), cả hai đều có sẵn cho bạn trong bài này. Giờ bạn sẽ huấn luyện mô hình và đánh giá hiệu năng của nó bằng cách dự đoán khả năng vỡ nợ trên tập kiểm tra, gồm test_features và test_targets và cũng đã được cung cấp. Các biến có thể huấn luyện là w1, b1, w2 và b2. Ngoài ra, các thao tác sau đã được nhập sẵn cho bạn: keras.activations.relu() và keras.layers.Dropout().
Bài tập này là một phần của khóa học
Nhập môn TensorFlow bằng Python
Hướng dẫn bài tập
- Thiết lập bộ tối ưu để thực hiện việc tối thiểu hóa.
- Thêm bốn biến có thể huấn luyện vào
var_listtheo đúng thứ tự chúng xuất hiện trong các đối số củaloss_function(). - Dùng mô hình và
test_featuresđể dự đoán các giá trị chotest_targets.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)