फूल डेटासेट को क्रमशः 'संकलन' और 'फिट' विधियों का उपयोग करके मॉडल में संकलित और फिट किया जा सकता है। 'फिट' पद्धति के लिए, प्रशिक्षण डेटासेट के साथ-साथ सत्यापन डेटासेट को पैरामीटर के रूप में पारित किया जाता है। युगों की संख्या को 'फिट' पद्धति में भी परिभाषित किया गया है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
हम फूलों के डेटासेट का उपयोग करेंगे, जिसमें कई हजारों फूलों के चित्र होंगे। इसमें 5 उप-निर्देशिकाएँ हैं, और प्रत्येक वर्ग के लिए एक उप-निर्देशिका 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")
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
) कोड क्रेडिट:https://www.tensorflow.org/tutorials/load_data/images
आउटपुट
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>
स्पष्टीकरण
- एक बार जब परतें बन जाती हैं और डेटा प्रशिक्षित हो जाता है, तो अगला कदम उस मॉडल को संकलित करना होता है जिसे बनाया गया है।
- संकलन हो जाने के बाद, मॉडल इनपुट डेटासेट में फिट हो जाता है।
- सत्यापन सटीकता प्रशिक्षण सटीकता मूल्य की तुलना में कम मूल्य है।
- इसका मतलब है कि हमारा मॉडल ओवरफिट है।