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
社会研究
时尚研究
法律研究如何使用TensorFlow可视化精度和训练步数之间的权衡？
可以使用Tensorflow和‘matplotlib’库以及‘plot’方法绘制数据，从而可视化精度和训练步数之间的权衡。
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被称为卷积神经网络。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。
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来自TensorFlow Hub的模型与tf.keras，使用来自TensorFlow Hub的图像分类模型。完成后，可以执行迁移学习来微调用于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什幺来完成的。这可以在无需任何训练的情况下完成。
我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory有助于在浏览器上运行Python代码，无需任何配置，并可免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
示例
print("Accuracy versus training steps")
plt.figure()
plt.ylabel("Accuracy")
plt.xlabel("Training Steps")
plt.ylim([0,1])
plt.plot(batch_stats_callback.batch_acc)代码来源 −https://tensorflowcn.cn/tutorials/images/transfer_learning_with_hub
输出
解释
- 完成了精度与训练步数的可视化。
更新于：2021年2月25日
113 次浏览
广告