home

หน้าแรก
 Computer >> บทช่วยสอนคอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python

วิธีใช้ Keras เทรนโมเดลด้วย Python (หลาย Inputs/Outputs)

TensorFlow: ML Framework จาก Google Open-source ใช้กับ Python ทำ Algorithms, Deep Learning มี Optimization สำหรับคณิตศาสตร์ซับซ้อน Tensor = โครงสร้างข้อมูลหลายมิติ (Multi-dimensional array) เชื่อม Edge ใน Data Flow Graph

Keras: Deep Learning API Python ระดับสูง จากโครงการ ONEIROS รันบน TensorFlow Scalable, Cross-platform เข้าถึงด้วย from tensorflow import keras

Functional API

ยืดหยุ่นกว่า Sequential API รองรับ Non-linear topology, Shared layers, Multiple I/O สร้าง DAG ของเลเยอร์

ตัวอย่าง: เทรนโมเดลหลาย Inputs/Outputs

print("Sample input data")
title_data = np.random.randint(num_words, size=(1280, 10))
body_data = np.random.randint(num_words, size=(1280, 100))
tags_data = np.random.randint(2, size=(1280, num_tags)).astype("float32")

print("Sample target data")
priority_targets = np.random.random(size=(1280, 1))
dept_targets = np.random.randint(2, size=(1280, num_classes))

print("The model is being fit to the data")
model.fit(
    {"title": title_data, "body": body_data, "tags": tags_data},
    {"priority": priority_targets, "class": dept_targets},
    epochs=2,
    batch_size=32,
)

Code credit: TensorFlow Keras Functional Guide

ผลลัพธ์

Sample input data
Sample target data
The model is being fit to the data
Epoch 1/2 40/40 [==============================] - 5s 43ms/step - loss: 1.2738 - priority_loss: 0.7043 - class_loss: 2.8477
Epoch 2/2 40/40 [==============================] - 2s 44ms/step - loss: 1.2720 - priority_loss: 0.6997 - class_loss: 2.8612
<tensorflow.python.keras.callbacks.History at 0x7f48d0809e80>

คำอธิบาย

  • สร้าง Sample Input และ Target Data แบบสุ่ม
  • เทรนโมเดลโดยส่ง Numpy Array ของ Inputs (Dict) และ Targets (Dict)
  • รองรับ Multiple Inputs (title, body, tags) และ Multiple Outputs (priority, class)