JavaScript для глубокого обучения 2021 TensorFlow js Ббк



Download 30,75 Mb.
Pdf ko'rish
bet62/457
Sana27.03.2022
Hajmi30,75 Mb.
#513488
1   ...   58   59   60   61   62   63   64   65   ...   457
Bog'liq
Цэй Ш., Байлесчи С., и др. - JаvaScript для глубокого обучения (Библиотека программиста) - 2021


Глава 2. Приступим: простая линейная регрессия в TensorFlow.js
71
В нескольких следующих главах мы основательно исследуем назначение функ­
ции потерь и оптимизатора и их выбор. А пока нам подойдут следующие (ли­
стинг 2.4).
Листинг 2.4.
Настройка опций обучения: компиляция модели (из CodePen 2-c)
model.compile({optimizer: 'sgd', loss: 'meanAbsoluteError'});
Мы вызываем для модели метод 
compile
, указывая в качестве оптимизатора 
'sgd'
, а в качестве функции потерь — 
'meanAbsoluteError'

'meanAbsoluteError'
означает, что наша функция потерь вычисляет абсолютное (положительное) значе­
ние удаленности предсказаний от целевых значений, после чего возвращает среднее 
значение полученного:
meanAbsoluteError = average( absolute(modelOutput - targets) )
Например, при:
modelOutput = [1.1, 2.2, 3.3, 3.6]
targets = [1.0, 2.0, 3.0, 4.0]
получаем:
meanAbsoluteError = average([|1.1 - 1.0|, |2.2 - 2.0|,
|3.3 - 3.0|, |3.6 - 4.0|])
= average([0.1, 0.2, 0.3, 0.4])
= 0.25
При очень плохих предсказаниях (очень удаленных от целевых признаков) 
meanAbsoluteError
будет очень большим. И напротив, в идеальном случае все пред­
сказания будут совершенно точны, а разница между выходным сигналом нашей 
модели и целевыми значениями равна нулю, а значит, равна нулю и функция потерь 
(
meanAbsoluteError
).
sgd
в листинге 2.4 означает 
стохастический градиентный спуск
(stochastic gradient 
descent), который мы опишем чуть подробнее в разделе 2.2. Если вкратце, это значит, 
что для выбора корректировок весов, необходимых для снижения потерь, мы вос­
пользуемся математическим анализом. После чего выполним эти корректировки 
и повторим процесс.
Наша модель готова, можно подгонять ее к обучающим данным.
2.1.5. Подгонка модели к обучающим данным
Обучение модели в TensorFlow.js запускается вызовом ее метода 
fit()
. Происходит 
подгонка (fit) модели под обучающие данные. В данном случае мы передаем тензор 
sizeMB
в качестве входного сигнала и тензор 
timeSec
в качестве желаемого выход­
ного. Мы также передаем объект с настройками конфигурации, содержащий поле 


72
Download 30,75 Mb.

Do'stlaringiz bilan baham:
1   ...   58   59   60   61   62   63   64   65   ...   457




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish