ชุดข้อมูลดอกไม้สามารถรวบรวมและพอดีกับโมเดลโดยใช้วิธีการ 'คอมไพล์' และ 'พอดี' ตามลำดับ สำหรับวิธี 'พอดี' ชุดข้อมูลการฝึกอบรมและชุดข้อมูลการตรวจสอบจะถูกส่งผ่านเป็นพารามิเตอร์ จำนวนของยุคยังกำหนดไว้ในวิธี "พอดี" ด้วย
อ่านเพิ่มเติม: TensorFlow คืออะไรและ Keras ทำงานร่วมกับ TensorFlow เพื่อสร้าง Neural Networks อย่างไร
เราจะใช้ชุดข้อมูลดอกไม้ซึ่งมีรูปภาพดอกไม้หลายพันดอก ประกอบด้วยไดเร็กทอรีย่อย 5 ไดเร็กทอรี และมีไดเร็กทอรีย่อยหนึ่งไดเร็กทอรีสำหรับทุกคลาส
เรากำลังใช้ Google Colaboratory เพื่อเรียกใช้โค้ดด้านล่าง Google Colab หรือ Colaboratory ช่วยเรียกใช้โค้ด Python บนเบราว์เซอร์และไม่ต้องมีการกำหนดค่าใดๆ และเข้าถึง GPU ได้ฟรี (หน่วยประมวลผลกราฟิก) Colaboratory สร้างขึ้นบน Jupyter Notebook
print("The model is being compiled") model.compile( optimizer='adam', loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) print("The model is being fit to the data") model.fit( train_ds, validation_data=val_ds, epochs=3 )
เครดิตโค้ด:https://www.tensorflow.org/tutorials/load_data/images
ผลลัพธ์
The model is being compiled The model is being fit to the data Epoch 1/3 92/92 [==============================] - 107s 1s/step - loss: 1.3570 - accuracy: 0.4183 - val_loss: 1.0730 - val_accuracy: 0.5913 Epoch 2/3 92/92 [==============================] - 101s 1s/step - loss: 1.0185 - accuracy: 0.5927 - val_loss: 1.0041 - val_accuracy: 0.6199 Epoch 3/3 92/92 [==============================] - 95s 1s/step - loss: 0.8691 - accuracy: 0.6529 - val_loss: 0.9985 - val_accuracy: 0.6281 <tensorflow.python.keras.callbacks.History at 0x7f2cdcbbba90>
คำอธิบาย
- เมื่อสร้างเลเยอร์และข้อมูลได้รับการฝึกอบรมแล้ว ขั้นตอนต่อไปคือการคอมไพล์โมเดลที่สร้างขึ้น
- เมื่อคอมไพล์เสร็จแล้ว โมเดลจะพอดีกับชุดข้อมูลอินพุต
- ความถูกต้องในการตรวจสอบเป็นค่าต่ำเมื่อเปรียบเทียบกับค่าความถูกต้องของการฝึก
- นี่หมายความว่าโมเดลของเราเกินพอดี