用 Keras 进行深度学习 - 训练模型

模型训练在一个称为 fit 的单一方法调用中完成，它采用几个参数，如下面的代码所示 −

history = model.fit(X_train, Y_train,
   batch_size=128, epochs=20,
   verbose=2,
   validation_data=(X_test, Y_test)))

传递给 fit 方法的前两个参数指定训练数据集的特征和输出。

epochs 设置为 20；我们假设训练将在最多 20 个 epochs（迭代）中收敛。已训练的模型在最后一个参数中指定的测试数据上经过验证。

下面显示运行上述命令的部分输出 −

Train on 60000 samples, validate on 10000 samples
Epoch 1/20
- 9s - loss: 0.2488 - acc: 0.9252 - val_loss: 0.1059 - val_acc: 0.9665
Epoch 2/20
- 9s - loss: 0.1004 - acc: 0.9688 - val_loss: 0.0850 - val_acc: 0.9715
Epoch 3/20
- 9s - loss: 0.0723 - acc: 0.9773 - val_loss: 0.0717 - val_acc: 0.9765
Epoch 4/20
- 9s - loss: 0.0532 - acc: 0.9826 - val_loss: 0.0665 - val_acc: 0.9795
Epoch 5/20
- 9s - loss: 0.0457 - acc: 0.9856 - val_loss: 0.0695 - val_acc: 0.9792

为了快速参考，输出的屏幕截图如下 −

现在，由于已在我们的训练数据上训练了该模型，我们将评估其性能。