数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究如何使用TensorFlow和预训练模型在每个epoch后查看训练过程中的变化？
可以使用 TensorFlow 和预训练模型以及 ‘evaluate’ 方法和 ‘fit’ 方法来查看每个 epoch 训练期间的变化。
阅读更多： 什么是 TensorFlow 以及 Keras 如何与 TensorFlow 协同创建神经网络？
包含至少一层卷积层的神经网络被称为卷积神经网络。我们可以使用卷积神经网络来构建学习模型。
我们将学习如何利用来自预训练网络的迁移学习来对猫和狗的图像进行分类。图像分类中迁移学习背后的直觉是，如果一个模型在大型且通用的数据集上进行训练，则该模型可以有效地用作视觉世界的通用模型。它已经学习了特征映射，这意味着用户无需从头开始，在大型数据集上训练大型模型。
阅读更多： 如何预训练自定义模型？
我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置，并可免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。
示例
print("The number of epochs have been defined")
initial_epochs = 10
print("The model is being evaluated")
loss0, accuracy0 = model.evaluate(validation_dataset)
print("Initial loss is: {:.2f}".format(loss0))
print("Initial accuracy is: {:.2f}".format(accuracy0))
history = model.fit(train_dataset,
epochs=initial_epochs,
validation_data=validation_dataset)代码来源 −https://tensorflowcn.cn/tutorials/images/transfer_learning
输出
The number of epochs have been defined The model is being evaluated 26/26 [==============================] - 15s 485ms/step - loss: 0.8892 - accuracy: 0.4216 Initial loss is: 0.92 Initial accuracy is: 0.40 Epoch 1/10 63/63 [==============================] - 53s 793ms/step - loss: 0.7830 - accuracy: 0.5455 - val_loss: 0.6227 - val_accuracy: 0.6213 Epoch 2/10 63/63 [==============================] - 50s 792ms/step - loss: 0.5893 - accuracy: 0.6770 - val_loss: 0.4499 - val_accuracy: 0.7525 Epoch 3/10 63/63 [==============================] - 51s 799ms/step - loss: 0.4645 - accuracy: 0.7565 - val_loss: 0.3484 - val_accuracy: 0.8317 Epoch 4/10 63/63 [==============================] - 51s 803ms/step - loss: 0.4004 - accuracy: 0.8095 - val_loss: 0.2806 - val_accuracy: 0.8725 Epoch 5/10 63/63 [==============================] - 51s 799ms/step - loss: 0.3424 - accuracy: 0.8325 - val_loss: 0.2412 - val_accuracy: 0.8936 Epoch 6/10 63/63 [==============================] - 50s 790ms/step - loss: 0.3094 - accuracy: 0.8655 - val_loss: 0.2075 - val_accuracy: 0.9146 Epoch 7/10 63/63 [==============================] - 50s 785ms/step - loss: 0.2819 - accuracy: 0.8745 - val_loss: 0.1789 - val_accuracy: 0.9257 Epoch 8/10 63/63 [==============================] - 51s 812ms/step - loss: 0.2508 - accuracy: 0.8870 - val_loss: 0.1638 - val_accuracy: 0.9282 Epoch 9/10 63/63 [==============================] - 50s 797ms/step - loss: 0.2413 - accuracy: 0.8965 - val_loss: 0.1560 - val_accuracy: 0.9332 Epoch 10/10 63/63 [==============================] - 52s 818ms/step - loss: 0.2324 - accuracy: 0.8995 - val_loss: 0.1336 - val_accuracy: 0.9493
解释
训练 10 个 epoch 后，计算验证集上的准确率。
此值显示在控制台中。
更新于： 2021年2月25日
浏览量：102
广告