使用 Keras 訓練

Python 的 TensorFlow 入門

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

訓練與評估總覽

# 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)

圖示說明資料集如何被切成多個批次，這些批次合起來等於 1 個 epoch。

圖片顯示資料集被分成訓練與驗證樣本。

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

圖片顯示 10 個 epochs 的訓練與驗證結果。

# 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)

圖片顯示 10 個 epochs 的訓練與驗證結果。

圖片顯示資料集被分成訓練、驗證與測試樣本。

# Evaluate the test set
model.evaluate(test)

Python 的 TensorFlow 入門