Computer >> คอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python

Tensorflow สามารถใช้กับชุดข้อมูลดอกไม้เพื่อคอมไพล์และปรับให้เข้ากับโมเดลได้อย่างไร


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