Compilarea și antrenarea unui model

Introducere în Deep Learning în Python

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

De ce trebuie să compilați modelul

  • Specificați optimizatorul
    • Multe opțiuni, complexe matematic
    • „Adam" este de obicei o alegere bună
  • Funcția de pierdere
    • „mean_squared_error" frecventă pentru regresie
Introducere în Deep Learning în Python

Compilarea unui model

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')
Introducere în Deep Learning în Python

Ce înseamnă antrenarea unui model

  • Aplicarea backpropagation și gradient descent pe date pentru actualizarea ponderilor
  • Scalarea datelor înainte de antrenare poate facilita optimizarea
Introducere în Deep Learning în Python

Antrenarea unui model

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)
Introducere în Deep Learning în Python

Să exersăm!

Introducere în Deep Learning în Python

Preparing Video For Download...