แนวคิด
ใช้ matplotlib และ plot วาดกราฟ Training/Validation Accuracy และ Loss
แนวคิด Transfer Learning สำหรับแมว-สุนัข Google Colab เหมือนเดิม
ตัวอย่างโค้ด
print("Visualizing the data")
plt.figure(figsize=(8, 8))
plt.subplot(2, 1, 1)
plt.plot(acc, label='Training Accuracy')
plt.plot(val_acc, label='Validation Accuracy')
plt.ylim([0.8, 1])
plt.plot([initial_epochs-1,initial_epochs-1], plt.ylim(), label='Start Fine Tuning')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.subplot(2, 1, 2)
plt.plot(loss, label='Training Loss')
plt.plot(val_loss, label='Validation Loss')
plt.ylim([0, 1.0])
plt.plot([initial_epochs-1,initial_epochs-1], plt.ylim(), label='Start Fine Tuning')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.xlabel('epoch')
plt.show()
Credit: TensorFlow Tutorials
ผลลัพธ์
คำอธิบาย
- แสดง learning curves ของ accuracy และ loss ระหว่าง train/validation
- ทำหลัง fine-tuning แล้ว
- Validation loss สูงกว่า training loss แสดง overfitting
- อาจเพราะ training dataset เล็กและคล้าย MobileNetV2 datasets
- หลัง fine-tuning โมเดลได้ accuracy 98% บน validation set
