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
服裝學
法學如何使用Python和Tensorflow評估CNN模型？
可以使用‘evaluate’方法評估卷積神經網路。此方法將測試資料作為其引數。在此之前，資料使用‘matplotlib’庫和‘imshow’方法在控制檯上繪製。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
卷積神經網路已被用於針對特定型別的問題（例如影像識別）產生良好的結果。
我們使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory有助於透過瀏覽器執行Python程式碼，無需任何配置，並可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。
print("Plotting accuracy versus epoch")
plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label = 'val_accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.ylim([0.5, 1])
plt.legend(loc='lower right')
print("The model is being evaluated")
test_loss, test_acc = model.evaluate(test_images,test_labels, verbose=2)
print("The accuracy of the model is:")
print(test_acc)程式碼來源：https://www.tensorflow.org/tutorials/images/cnn
輸出
Plotting accuracy versus epoch The model is being evaluated 313/313 - 3s - loss: 0.8884 - accuracy: 0.7053 The accuracy of the model is: 0.705299973487854
解釋
- 視覺化精度與輪數資料。
- 這是使用matplotlib庫完成的。
- 評估模型，並確定損失和精度。
更新於：2021年2月20日
3K+ 次瀏覽
廣告