การเรียนรู้เชิงลึกกับ Keras - การฝึกอบรมโมเดล

การฝึกโมเดลทำได้ในวิธีการเดียวที่เรียกว่า fit ซึ่งใช้พารามิเตอร์ไม่กี่ตัวดังที่เห็นในโค้ดด้านล่าง -

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

พารามิเตอร์สองตัวแรกของวิธีการพอดีระบุคุณลักษณะและผลลัพธ์ของชุดข้อมูลการฝึกอบรม

epochsถูกตั้งค่าเป็น 20; เราถือว่าการฝึกอบรมจะมาบรรจบกันใน 20 ยุคสูงสุดนั่นคือการทำซ้ำ แบบจำลองที่ผ่านการฝึกอบรมได้รับการตรวจสอบความถูกต้องของข้อมูลการทดสอบตามที่ระบุไว้ในพารามิเตอร์สุดท้าย

ผลลัพธ์บางส่วนของการรันคำสั่งดังกล่าวแสดงไว้ที่นี่ -

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

ภาพหน้าจอของผลลัพธ์แสดงไว้ด้านล่างสำหรับการอ้างอิงอย่างรวดเร็วของคุณ -

ขณะนี้โมเดลได้รับการฝึกอบรมเกี่ยวกับข้อมูลการฝึกของเราเราจะประเมินประสิทธิภาพของโมเดลนั้น