Ein Modell kompilieren und trainieren

Einführung in Deep Learning mit Python

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

Warum du dein Modell kompilieren musst

  • Optimierer festlegen
    • Viele Optionen, mathematisch komplex
    • „Adam“ ist meist eine gute Wahl
  • Verlustfunktion
    • „mean_squared_error“ ist üblich für Regression
Einführung in Deep Learning mit Python

Ein Modell kompilieren

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')
Einführung in Deep Learning mit Python

Was bedeutet ein Modell trainieren

  • Backpropagation und Gradientenabstieg auf deine Daten anwenden, um Gewichte zu aktualisieren
  • Skalieren vor dem Training kann die Optimierung erleichtern
Einführung in Deep Learning mit Python

Ein Modell trainieren

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')
model.fit(predictors, target)
Einführung in Deep Learning mit Python

Lass uns üben!

Einführung in Deep Learning mit Python

Preparing Video For Download...