꽃 데이터 세트는 각각 '컴파일' 및 '맞춤' 방법을 사용하여 컴파일하고 모델에 맞출 수 있습니다. 'fit' 방법에는 훈련 데이터 세트와 검증 데이터 세트가 매개변수로 전달됩니다. epoch의 수는 'fit' 방법에서도 정의됩니다.
자세히 알아보기: TensorFlow란 무엇이며 Keras가 TensorFlow와 함께 신경망을 생성하는 방법은 무엇입니까?
수천 개의 꽃 이미지가 포함된 꽃 데이터 세트를 사용할 것입니다. 5개의 하위 디렉토리를 포함하며 모든 클래스에 대해 하나의 하위 디렉토리가 있습니다.
Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.
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
) 코드 크레딧:https://www.tensorflow.org/tutorials/load_data/images
출력
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>의 기록
설명
- 레이어가 생성되고 데이터가 학습되면 다음 단계는 구축된 모델을 컴파일하는 것입니다.
- 컴파일이 완료되면 모델이 입력 데이터 세트에 적합합니다.
- 검증 정확도는 훈련 정확도 값에 비해 낮은 값입니다.
- 이것은 우리 모델이 과적합되었음을 의미합니다.