資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究如何使用TensorFlow和預訓練模型在每個epoch後檢視訓練過程中的變化？
可以使用 TensorFlow 和預訓練模型以及 ‘evaluate’ 方法和 ‘fit’ 方法來檢視每個 epoch 訓練期間的變化。
閱讀更多： 什麼是 TensorFlow 以及 Keras 如何與 TensorFlow 協同建立神經網路？
包含至少一層卷積層的神經網路被稱為卷積神經網路。我們可以使用卷積神經網路來構建學習模型。
我們將學習如何利用來自預訓練網路的遷移學習來對貓和狗的影像進行分類。影像分類中遷移學習背後的直覺是，如果一個模型在大型且通用的資料集上進行訓練，則該模型可以有效地用作視覺世界的通用模型。它已經學習了特徵對映，這意味著使用者無需從頭開始，在大型資料集上訓練大型模型。
閱讀更多： 如何預訓練自定義模型？
我們使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助在瀏覽器上執行 Python 程式碼，無需任何配置，並可免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。
示例
print("The number of epochs have been defined")
initial_epochs = 10
print("The model is being evaluated")
loss0, accuracy0 = model.evaluate(validation_dataset)
print("Initial loss is: {:.2f}".format(loss0))
print("Initial accuracy is: {:.2f}".format(accuracy0))
history = model.fit(train_dataset,
epochs=initial_epochs,
validation_data=validation_dataset)程式碼來源 −https://www.tensorflow.org/tutorials/images/transfer_learning
輸出
The number of epochs have been defined The model is being evaluated 26/26 [==============================] - 15s 485ms/step - loss: 0.8892 - accuracy: 0.4216 Initial loss is: 0.92 Initial accuracy is: 0.40 Epoch 1/10 63/63 [==============================] - 53s 793ms/step - loss: 0.7830 - accuracy: 0.5455 - val_loss: 0.6227 - val_accuracy: 0.6213 Epoch 2/10 63/63 [==============================] - 50s 792ms/step - loss: 0.5893 - accuracy: 0.6770 - val_loss: 0.4499 - val_accuracy: 0.7525 Epoch 3/10 63/63 [==============================] - 51s 799ms/step - loss: 0.4645 - accuracy: 0.7565 - val_loss: 0.3484 - val_accuracy: 0.8317 Epoch 4/10 63/63 [==============================] - 51s 803ms/step - loss: 0.4004 - accuracy: 0.8095 - val_loss: 0.2806 - val_accuracy: 0.8725 Epoch 5/10 63/63 [==============================] - 51s 799ms/step - loss: 0.3424 - accuracy: 0.8325 - val_loss: 0.2412 - val_accuracy: 0.8936 Epoch 6/10 63/63 [==============================] - 50s 790ms/step - loss: 0.3094 - accuracy: 0.8655 - val_loss: 0.2075 - val_accuracy: 0.9146 Epoch 7/10 63/63 [==============================] - 50s 785ms/step - loss: 0.2819 - accuracy: 0.8745 - val_loss: 0.1789 - val_accuracy: 0.9257 Epoch 8/10 63/63 [==============================] - 51s 812ms/step - loss: 0.2508 - accuracy: 0.8870 - val_loss: 0.1638 - val_accuracy: 0.9282 Epoch 9/10 63/63 [==============================] - 50s 797ms/step - loss: 0.2413 - accuracy: 0.8965 - val_loss: 0.1560 - val_accuracy: 0.9332 Epoch 10/10 63/63 [==============================] - 52s 818ms/step - loss: 0.2324 - accuracy: 0.8995 - val_loss: 0.1336 - val_accuracy: 0.9493
解釋
訓練 10 個 epoch 後，計算驗證集上的準確率。
此值顯示在控制檯中。
更新於： 2021年2月25日
瀏覽量：102
廣告