資料結構
網路
關係型資料庫管理系統
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
時尚研究
法律研究如何使用Tensorflow和花卉資料集來編譯和擬合模型？
花卉資料集可以使用分別使用“編譯”和“擬合”方法進行編譯和擬合到模型中。訓練資料集和驗證資料集作為引數傳遞給“擬合”方法。週期數也在“擬合”方法中定義。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
我們將使用花卉資料集，其中包含數千朵花的影像。它包含5個子目錄，每個類都有一個子目錄。
我們使用Google Colaboratory來執行以下程式碼。Google Colab或Colaboratory幫助透過瀏覽器執行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("The model is being compiled")
model.compile(
optimizer='adam',
loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
print("The model is being fit to the data")
model.fit(
train_ds,
validation_data=val_ds,
epochs=3
)程式碼來源：https://www.tensorflow.org/tutorials/load_data/images
輸出
The model is being compiled The model is being fit to the data Epoch 1/3 92/92 [==============================] - 107s 1s/step - loss: 1.3570 - accuracy: 0.4183 - val_loss: 1.0730 - val_accuracy: 0.5913 Epoch 2/3 92/92 [==============================] - 101s 1s/step - loss: 1.0185 - accuracy: 0.5927 - val_loss: 1.0041 - val_accuracy: 0.6199 Epoch 3/3 92/92 [==============================] - 95s 1s/step - loss: 0.8691 - accuracy: 0.6529 - val_loss: 0.9985 - val_accuracy: 0.6281 <tensorflow.python.keras.callbacks.History at 0x7f2cdcbbba90>
解釋
- 建立層並訓練資料後，下一步就是編譯已構建的模型。
- 編譯完成後，模型將擬合到輸入資料集。
- 與訓練準確率相比，驗證準確率的值較低。
- 這意味著我們的模型過擬合了。
更新於： 2021年2月19日
130 次瀏覽
廣告