Компиляция модели в TensorFlow

Перед первым прогоном данных модель компилируют: методом compile задают правило изменения весов и способ считать ошибку на эталонах. Без этого шаг обучения не знает, куда сдвигать параметры.

Для числового ответа часто берут средний квадрат и стохастический градиентный спуск. Создадим модель с одним выходом и укажем объект ошибки и оптимизатор:

import tensorflow as tf

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(2,)),
])
model.compile(
	optimizer=tf.keras.optimizers.SGD(
		learning_rate=0.01
	),
	loss=tf.keras.losses.MeanSquaredError(),
)
print("ready")
# выведет ready

Соберите модель с одним полносвязным блоком для 3 входных признаков и одного выхода. Подключите средний квадрат и спуск с шагом 0.05.

Задайте цепочку из блока на 2 числа при входе длины 4. Подготовьте её к обучению со средним квадратом и простым спуском.

Создайте модель с одним выходом для строки из 1 признака. Задайте средний квадрат как ошибку и спуск с шагом 0.001.