使用 Keras 进行训练

Python 中的 TensorFlow 入门

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

训练与评估概览

# 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)

该图展示如何将数据集划分为批次，所有批次合起来构成一个 epoch。

图示将数据集划分为训练集和验证集。

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

图示 10 个 epoch 的训练与验证结果。

# 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)

图示 10 个 epoch 的训练与验证结果。

图示将数据集划分为训练集、验证集和测试集。

# Evaluate the test set
model.evaluate(test)

Python 中的 TensorFlow 入门