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
法学如何使用Python中的TensorFlow将数据拟合到模型？
可以使用‘fit’方法将数据拟合到TensorFlow模型。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
包含至少一层卷积层的神经网络称为卷积神经网络。我们可以使用卷积神经网络构建学习模型。
图像分类迁移学习背后的直觉是，如果一个模型在一个大型且通用的数据集上进行训练，那么这个模型可以有效地作为一个视觉世界的通用模型。它已经学习了特征图，这意味着用户不必从头开始在一个大型数据集上训练一个大型模型。
TensorFlow Hub是一个包含预训练TensorFlow模型的存储库。TensorFlow可用于微调学习模型。我们将了解如何使用TensorFlow Hub中的模型与tf.keras，使用TensorFlow Hub中的图像分类模型。完成此操作后，可以执行迁移学习以微调自定义图像类别的模型。这是通过使用预训练的分类器模型来获取图像并预测它是哪个来完成的。这无需任何训练即可完成。
我们使用Google Colaboratory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，并且可以免费访问GPU（图形处理器）。Colaboratory构建在Jupyter Notebook之上。
示例
print("Training for 2 epochs only")
class CollectBatchStats(tf.keras.callbacks.Callback):
def __init__(self):
self.batch_losses = []
self.batch_acc = []
def on_train_batch_end(self, batch, logs=None):
self.batch_losses.append(logs['loss'])
self.batch_acc.append(logs['acc'])
self.model.reset_metrics()
batch_stats_callback = CollectBatchStats()
print("The fit method is called")
history = model.fit(train_ds, epochs=2,
callbacks=[batch_stats_callback])代码来源 −https://tensorflowcn.cn/tutorials/images/transfer_learning_with_hub
输出
Training for 2 epochs only The fit method is called Epoch 1/2 92/92 [==============================] - 88s 919ms/step - loss: 0.7155 - acc: 0.7460 Epoch 2/2 92/92 [==============================] - 85s 922ms/step - loss: 0.3694 - acc: 0.8754
解释
.fit方法用于训练模型。
训练时间很短，因此仅使用2个epoch进行训练。
使用自定义回调来可视化数据，以便分别记录每个批次的损失和准确率。
更新于：2021年2月25日
浏览量155次
广告