Tensorflow คือเฟรมเวิร์กแมชชีนเลิร์นนิงที่ให้บริการโดย Google เป็นเฟรมเวิร์กโอเพนซอร์สที่ใช้ร่วมกับ Python เพื่อใช้อัลกอริทึม แอปพลิเคชันการเรียนรู้เชิงลึก และอื่นๆ อีกมากมาย ใช้ในการวิจัยและเพื่อการผลิต
ชุดข้อมูล 'IMDB' มีบทวิจารณ์ภาพยนตร์มากกว่า 50,000 เรื่อง โดยทั่วไปชุดข้อมูลนี้ใช้กับการดำเนินการที่เกี่ยวข้องกับการประมวลผลภาษาธรรมชาติ
เรากำลังใช้ Google Colaboratory เพื่อเรียกใช้โค้ดด้านล่าง Google Colab หรือ Colaboratory ช่วยเรียกใช้โค้ด Python บนเบราว์เซอร์และไม่ต้องมีการกำหนดค่าใดๆ และเข้าถึง GPU ได้ฟรี (หน่วยประมวลผลกราฟิก) Colaboratory สร้างขึ้นบน Jupyter Notebook
ต่อไปนี้คือข้อมูลโค้ดสำหรับสร้างพล็อตที่แสดงให้เห็นภาพความแม่นยำและความสูญเสียตามเวลาในชุดข้อมูล IMDB -
ตัวอย่าง
history_dict = history.history
history_dict.keys()
acc = history_dict['binary_accuracy']
val_acc = history_dict['val_binary_accuracy']
loss = history_dict['loss']
val_loss = history_dict['val_loss']
epochs = range(1, len(acc) + 1)
plt.plot(epochs, loss, 'ro', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss with respect to time')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show() เครดิตโค้ด − https://www.tensorflow.org/tutorials/keras/text_classification
ผลลัพธ์
คำอธิบาย
-
เมื่อข้อมูลเข้ากับโมเดลแล้ว จะต้องเปรียบเทียบค่าจริงและค่าที่คาดการณ์ไว้
-
วิธีที่ดีที่สุดในการทำเช่นนี้คือการสร้างภาพข้อมูล
-
ดังนั้น ไลบรารี 'matplotlib' จึงถูกใช้เพื่อวางแผนการสูญเสียที่เกิดขึ้นระหว่างการฝึกอบรมและการตรวจสอบตามเวลา
-
ขึ้นอยู่กับจำนวนขั้นตอน (หรือยุค) ที่ใช้ในการฝึกอบรมข้อมูลให้พอดีกับแบบจำลอง
