एबेलोन डेटा के संबंध में मॉडल का प्रशिक्षण और निर्माण क्रमशः 'संकलन' और 'फिट' विधियों का उपयोग करके किया जा सकता है। 'फिट' पद्धति भी युगों की संख्या को पैरामीटर के रूप में लेती है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
हम अबालोन डेटासेट का उपयोग करेंगे, जिसमें एबेलोन के माप का एक सेट होता है। अबालोन एक प्रकार का समुद्री घोंघा है। लक्ष्य अन्य मापों के आधार पर आयु का अनुमान लगाना है।
हम नीचे दिए गए कोड को चलाने के लिए Google सहयोग का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफ़िकल प्रोसेसिंग यूनिट) तक मुफ्त पहुंच की आवश्यकता होती है। जुपिटर नोटबुक के ऊपर कोलैबोरेटरी बनाई गई है।
print("The model is being compiled")
norm_abalone_model.compile(loss = tf.losses.MeanSquaredError(),optimizer = tf.optimizers.Adam())
print("The model is being fit to the data")
norm_abalone_model.fit(abalone_features, abalone_labels, epochs=8) कोड क्रेडिट:https://www.tensorflow.org/tutorials/load_data/csv
आउटपुट
The model is being compiled The model is being fit to the data Epoch 1/8 104/104 [==============================] - 0s 989us/step - loss: 98.3651 Epoch 2/8 104/104 [==============================] - 0s 945us/step - loss: 65.4568 Epoch 3/8 104/104 [==============================] - 0s 922us/step - loss: 21.7297 Epoch 4/8 104/104 [==============================] - 0s 912us/step - loss: 6.3429 Epoch 5/8 104/104 [==============================] - 0s 988us/step - loss: 5.0949 Epoch 6/8 104/104 [==============================] - 0s 958us/step - loss: 4.9868 Epoch 7/8 104/104 [==============================] - 0s 1ms/step - loss: 4.8982 Epoch 8/8 104/104 [==============================] - 0s 1ms/step - loss: 4.7936 <tensorflow.python.keras.callbacks.History at 0x7fda8213c898>. पर
स्पष्टीकरण
- सामान्यीकरण परत बनने के बाद, मॉडल को प्रशिक्षण डेटा के साथ प्रशिक्षित किया जाता है।
- प्रशिक्षण पूरा होने के बाद, सुविधाओं और लेबल को 'Model.fit' पद्धति का उपयोग करके डेटा में पास कर दिया जाता है।