फ्लावर डेटासेट पर मॉडल की ट्रेनिंग जारी रखने के लिए, fit मेथड का उपयोग किया जाता है। इस मेथड को epoch की संख्या (डेटा को मॉडल बनाने के लिए कितनी बार ट्रेन किया जाता है) भी निर्दिष्ट की जाती है। कुछ नमूना छवियों को कंसोल पर भी प्रदर्शित किया जाता है।
और पढ़ें: TensorFlow क्या है और Keras, TensorFlow के साथ मिलकर न्यूरल नेटवर्क कैसे बनाता है?
हम फ्लावर्स डेटासेट का उपयोग करेंगे, जिसमें कई हजारों फूलों की छवियां होती हैं। इसमें 5 सब-डायरेक्टरीज हैं, और प्रत्येक क्लास के लिए एक सब-डायरेक्टरी है।
हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर Python कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPUs (ग्राफ़िकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के ऊपर बनाया गया है।
print("डेटा को मॉडल पर फिट किया जा रहा है")
model.fit(
train_ds,
validation_data=val_ds,
epochs=3
)कोड क्रेडिट: https://www.tensorflow.org/tutorials/load_data/images
आउटपुट
डेटा को मॉडल पर फिट किया जा रहा है
Epoch 1/3 92/92 [==============================] - 102s 1s/step - loss: 0.7615 - accuracy: 0.7146 - val_loss: 0.7673 - val_accuracy: 0.7180
Epoch 2/3 92/92 [==============================] - 95s 1s/step - loss: 0.5864 - accuracy: 0.7786 - val_loss: 0.6814 - val_accuracy: 0.7629
Epoch 3/3 92/92 [==============================] - 95s 1s/step - loss: 0.4180 - accuracy: 0.8478 - val_loss: 0.7040 - val_accuracy: 0.7575
<tensorflow.python.keras.callbacks.History at 0x7fda872ea940>
व्याख्या
- इसके समान एक डेटासेट (जिसे keras.preprocessing का उपयोग करके बनाया गया था) को tf.data.Dataset का उपयोग करके बनाया गया है।
- मॉडल को साथ में ट्रेन किया जा सकता है।
- कुछ epochs ट्रेन किए जाते हैं ताकि यह बहुत अधिक समय न ले।
