Aprendizado profundo com Keras - treinando o modelo

O treinamento do modelo é feito em uma única chamada de método chamada fit que leva alguns parâmetros, conforme visto no código abaixo -

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

Os primeiros dois parâmetros do método de ajuste especificam os recursos e a saída do conjunto de dados de treinamento.

o epochsé definido como 20; assumimos que o treinamento convergirá em no máximo 20 épocas - as iterações. O modelo treinado é validado nos dados de teste conforme especificado no último parâmetro.

A saída parcial da execução do comando acima é mostrada aqui -

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

A captura de tela da saída é fornecida abaixo para sua referência rápida -

Agora, conforme o modelo é treinado em nossos dados de treinamento, avaliaremos seu desempenho.