1.metrics

keras.metrics可以用來對數(shù)據(jù)進(jìn)行記錄跟蹤，當(dāng)我們的數(shù)據(jù)量太大，又想在中間就看看訓(xùn)練的情況的時(shí)候，可以使用此接口。步驟如下：

①創(chuàng)建Meter

通過metrics中帶有的借口，創(chuàng)建一個(gè)meter。

②更新數(shù)據(jù)

當(dāng)我們在某一行代碼得到了需要的數(shù)據(jù)的時(shí)候，就可以調(diào)用update_state方法，將數(shù)據(jù)進(jìn)行更新。注意，不同的方法需要傳入的參數(shù)是不一樣的。

③獲取數(shù)據(jù)

我們可以設(shè)置在某個(gè)節(jié)點(diǎn)或狀態(tài)的時(shí)候，獲取當(dāng)前的meter所存儲(chǔ)的數(shù)據(jù)。

④重置狀態(tài)

當(dāng)一個(gè)階段數(shù)據(jù)記錄查看結(jié)束后，使用reset_states重置meter，記錄下一階段。

2.快捷訓(xùn)練

生成了一個(gè)模型之后，有compile, fit, evalute, predict等接口可以調(diào)用，這可以使得我們的訓(xùn)練很容易實(shí)現(xiàn)。

①compile

這個(gè)方法中可以指定：優(yōu)化器+lr，損失，準(zhǔn)確率等。

②fit

完成compile之后，直接調(diào)用fit，給出訓(xùn)練數(shù)據(jù)，指定epoch就可以了。

以上兩行，就可以直接完成訓(xùn)練，訓(xùn)練過程中會(huì)返回一些基本信息，訓(xùn)練周期，數(shù)據(jù)量，使用的時(shí)間，每一步使用的時(shí)間，每一個(gè)周期后的損失值等。

fit中還可以給出validation_data = test_data, validation_freq=2，也就是循環(huán)2次訓(xùn)練，就進(jìn)行一次測試，會(huì)打印出測試分?jǐn)?shù)。可見下面情況已經(jīng)過擬合了。

③evaluate

調(diào)用這個(gè)方式之后，會(huì)在訓(xùn)練完成后，進(jìn)行測試，并打印出測試結(jié)果。

④predict

這個(gè)其實(shí)和network(x)是一樣的，就是完成前向傳播。

以上就是TensorFlow人工智能Keras高層接口應(yīng)用示例的詳細(xì)內(nèi)容，更多關(guān)于TensorFlow人工智能Keras高層接口的資料請關(guān)注本站其它相關(guān)文章！

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。