บทนำ
หลังสร้างและ compile โมเดลสำหรับ Flower classification (5 คลาส) ใช้ fit() เทรนต่อ พร้อมระบุ epochs และ validation data
โค้ดตัวอย่าง
print("The data is fit to the model")
model.fit(
train_ds,
validation_data=val_ds,
epochs=3
)ผลลัพธ์
The data is fit to the model Epoch 1/3 92/92 [==============================] - 102s 1s/step - loss: 0.7615 - accuracy: 0.7146 - val_loss: 0.7673 - val_accuracy: 0.7180 Epoch 2/3 92/92 [==============================] - 95s 1s/step - loss: 0.5864 - accuracy: 0.7786 - val_loss: 0.6814 - val_accuracy: 0.7629 Epoch 3/3 92/92 [==============================] - 95s 1s/step - loss: 0.4180 - accuracy: 0.8478 - val_loss: 0.7040 - val_accuracy: 0.7575
(พร้อมรูปภาพตัวอย่าง predictions)
คำอธิบาย
train_ds,val_ds: tf.data.Dataset ที่เตรียมไว้ (shuffle, batch, prefetch)- Epochs=3: เทรน 3 รอบ (demo เร็ว) production ควรมากกว่า + callbacks
- Accuracy เพิ่มขึ้น: 71% → 85% | Val accuracy: 72% → 76% (overfitting เริ่มขึ้น)
- Dataset สร้างด้วย
tf.keras.preprocessing.image_dataset_from_directoryแล้ว customize ด้วย tf.data
ข้อสังเกต
Validation accuracy ต่ำกว่า training → overfitting ควรเพิ่ม regularization (dropout, data augmentation, weight decay) หรือลด complexity
