Компіляція та навчання моделі

Вступ до Deep Learning у Python

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

Навіщо компілювати модель

  • Задайте оптимізатор
    • Варіантів багато, математично складно
    • «Adam» зазвичай добрий вибір
  • Функція втрат
    • «mean_squared_error» поширена для регресії
Вступ до Deep Learning у Python

Компіляція моделі

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')
Вступ до Deep Learning у Python

Що таке навчання моделі

  • Застосування зворотного поширення помилки та градієнтного спуску до ваших даних для оновлення ваг
  • Масштабування даних перед навчанням полегшує оптимізацію
Вступ до Deep Learning у Python

Навчання моделі

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)
Вступ до Deep Learning у Python

Давайте потренуємось!

Вступ до Deep Learning у Python

Preparing Video For Download...