केरस (Keras) में रिस्टोर्ड मॉडल का मूल्यांकन (evaluate) करना

रिस्टोर्ड मॉडल का मूल्यांकन

सेव किए गए मॉडल को लोड करने के बाद, evaluate() से टेस्ट डेटा पर लॉस और एक्यूरेसी मापें।

पूर्ण वर्कफ़्लो

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# डेटा मान लें (MNIST उदाहरण)
(train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data()
train_images = train_images.reshape(-1, 784).astype('float32') / 255
test_images = test_images.reshape(-1, 784).astype('float32') / 255

# मॉडल बनाएं और प्रशिक्षित करें (संक्षिप्त)
model = keras.Sequential([
    layers.Dense(64, activation='relu', input_shape=(784,)),
    layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=5, verbose=0)

# HDF5 में सेव करें
model.save('my_model.h5')

# पुनः लोड करें
new_model = tf.keras.models.load_model('my_model.h5')

# मूल्यांकन करें
print("रिस्टोर्ड मॉडल का मूल्यांकन:")
loss, acc = new_model.evaluate(test_images, test_labels, verbose=2)
print(f'रिस्टोर्ड मॉडल एक्यूरेसी: {100 * acc:.2f}%')

# भविष्यवाणी आयाम जांचें
preds = new_model.predict(test_images)
print(f"भविष्यवाणी आयाम: {preds.shape}")  # (10000, 10)

# नया मॉडल इंस्टेंस बनाएं और पुनः प्रशिक्षित करें
model2 = create_model()
model2.fit(train_images, train_labels, epochs=7, verbose=0)

आउटपुट

रिस्टोर्ड मॉडल का मूल्यांकन:
313/313 - 0s - loss: 0.0742 - accuracy: 0.9765
रिस्टोर्ड मॉडल एक्यूरेसी: 97.65%
भविष्यवाणी आयाम: (10000, 10)

मुख्य विधियां

verbose पैरामीटर

• 0 — साइलेंट
• 1 — प्रोग्रेस बार (डिफ़ॉल्ट)
• 2 — प्रति एपोक एक लाइन