我在Jupyter Notebook中有一个Coursera作业,问题是在Jupyter中它能够正确运行,但是当我提交时失败并显示以下错误:
无法编译学生的代码。invalid syntax (student_solution.py, line 23)
任务是:
在这个练习中,您将尝试构建一个神经网络,根据一个简单的公式来预测房屋的价格。
因此,想象一下,如果房价就像一个房子成本为50k+每间卧室50k,那么一间卧室的房子成本为100k,两间卧室的房子成本为150k等。
如何创建一个神经网络,学习这种关系,以便它会预测一个7卧室的房子成本接近于400k等。
提示:如果你把房价缩小,你的网络可能会更好地工作。你不必给出答案400......创建一个预测数字4的东西可能会更好,然后你的答案在“数十万”等级上。
我的回答是:
无法编译学生的代码。invalid syntax (student_solution.py, line 23)
任务是:
在这个练习中,您将尝试构建一个神经网络,根据一个简单的公式来预测房屋的价格。
因此,想象一下,如果房价就像一个房子成本为50k+每间卧室50k,那么一间卧室的房子成本为100k,两间卧室的房子成本为150k等。
如何创建一个神经网络,学习这种关系,以便它会预测一个7卧室的房子成本接近于400k等。
提示:如果你把房价缩小,你的网络可能会更好地工作。你不必给出答案400......创建一个预测数字4的东西可能会更好,然后你的答案在“数十万”等级上。
我的回答是:
import tensorflow as tf
import numpy as np
from tensorflow import keras
def house_model(y_new):
xs = np.array([1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 8.0, 9.0, 10.0, 11.0, 12.0, 13.0], dtype=float)
ys = np.array([100.0, 150.0, 200.0, 250.0, 300.0, 350.0, 450.0, 500.0, 550.0,600.0, 650.0,700.0], dtype=float)
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd',loss='mean_squared_error')
model.fit(xs,ys,epochs=500)
return (model.predict(y_new)[0]+1) //100
prediction = house_model([7.0])
print(prediction)