訓練線性模型
在這個練習中，我們將延續前一個練習的內容。截距與斜率 intercept 與 slope 已經被定義並初始化。此外，也已定義函式 loss_function(intercept, slope)，用於根據資料與模型變數計算損失。
你現在要把最佳化操作定義為 opt。接著，透過最小化損失來訓練單變數線性模型，以找出 intercept 與 slope 的最佳值。請注意，opt 操作每一步都會往最適解靠近，但需要很多步才會收斂。因此，你必須重複執行這個操作。
本練習屬於課程
Python 的 TensorFlow 入門
練習說明
- 使用學習率 0.5 將 Adam 最佳化器初始化為
opt。 - 對最佳化器呼叫
.minimize()方法。 - 以 lambda 函式的形式，將帶有正確引數的
loss_function()傳入.minimize()。 - 在
var_list提供需要被更新的變數清單。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Initialize an Adam optimizer
opt = keras.optimizers.____(0.5)
for j in range(100):
# Apply minimize, pass the loss function, and supply the variables
opt.____(lambda: ____(____, ____), var_list=[____, ____])
# Print every 10th value of the loss
if j % 10 == 0:
print(loss_function(intercept, slope).numpy())
# Plot data and regression line
plot_results(intercept, slope)