数据结构
网络
关系型数据库管理系统
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
时尚研究
法律研究如何使用Tensorflow和花卉数据集来编译和拟合模型？
花卉数据集可以使用分别使用“编译”和“拟合”方法进行编译和拟合到模型中。训练数据集和验证数据集作为参数传递给“拟合”方法。周期数也在“拟合”方法中定义。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
我们将使用花卉数据集，其中包含数千朵花的图像。它包含5个子目录，每个类都有一个子目录。
我们使用Google Colaboratory来运行以下代码。Google Colab或Colaboratory帮助通过浏览器运行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。
print("The model is being compiled")
model.compile(
optimizer='adam',
loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
print("The model is being fit to the data")
model.fit(
train_ds,
validation_data=val_ds,
epochs=3
)代码来源：https://tensorflowcn.cn/tutorials/load_data/images
输出
The model is being compiled The model is being fit to the data Epoch 1/3 92/92 [==============================] - 107s 1s/step - loss: 1.3570 - accuracy: 0.4183 - val_loss: 1.0730 - val_accuracy: 0.5913 Epoch 2/3 92/92 [==============================] - 101s 1s/step - loss: 1.0185 - accuracy: 0.5927 - val_loss: 1.0041 - val_accuracy: 0.6199 Epoch 3/3 92/92 [==============================] - 95s 1s/step - loss: 0.8691 - accuracy: 0.6529 - val_loss: 0.9985 - val_accuracy: 0.6281 <tensorflow.python.keras.callbacks.History at 0x7f2cdcbbba90>
解释
- 创建层并训练数据后，下一步就是编译已构建的模型。
- 编译完成后，模型将拟合到输入数据集。
- 与训练准确率相比，验证准确率的值较低。
- 这意味着我们的模型过拟合了。
更新于： 2021年2月19日
130 次浏览
广告