Trainen met Keras

Introductie tot TensorFlow in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Overzicht trainen en evalueren

# Import tensorflow
import tensorflow as tf

# Define a sequential model
model = tf.keras.Sequential()

# Define the hidden layer
model.add(tf.keras.layers.Dense(16, activation='relu', input_shape=(784,)))

# Define the output layer
model.add(tf.keras.layers.Dense(4, activation='softmax'))

# Compile model
model.compile('adam', loss='categorical_crossentropy')

# Train model
model.fit(image_features, image_labels)

Het diagram toont hoe een dataset in batches wordt verdeeld en dat de combinatie van die batches één epoch vormt.

De afbeelding toont hoe een dataset wordt gesplitst in een trainings- en validatiesteekproef.

# Train model with validation split
model.fit(features, labels, epochs=10, validation_split=0.20)

De afbeelding toont 10 epochs met trainings- en validatieresultaten.

# Recomile the model with the accuracy metric
model.compile('adam', loss='categorical_crossentropy', metrics=['accuracy'])

# Train model with validation split
model.fit(features, labels, epochs=10, validation_split=0.20)

De afbeelding toont 10 epochs met trainings- en validatieresultaten.

De afbeelding toont hoe een dataset wordt gesplitst in train-, validatie- en teststeekproeven.

# Evaluate the test set
model.evaluate(test)

Introductie tot TensorFlow in Python