Обучение с Keras

Введение в TensorFlow на Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Обзор обучения и оценки

# 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)

Обязательные аргументы
- features
- labels
Множество необязательных аргументов
- batch_size
- epochs
- validation_split

Диаграмма показывает, как набор данных делится на батчи и как их совокупность образует одну эпоху.

На изображении показано разделение набора данных на обучающую и валидационную выборки.

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

На изображении показаны результаты обучения и валидации за 10 эпох.

# 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)

На изображении показаны результаты обучения и валидации за 10 эпох.

На изображении показано разделение набора данных на обучающую, валидационную и тестовую выборки.

# Evaluate the test set
model.evaluate(test)

Введение в TensorFlow на Python