如何使用 Tensorflow 和花卉数据集继续训练模型?
pythonserver side programmingprogrammingtensorflow
要继续在花卉数据集上训练模型,请使用‘fit’方法。对于此方法,还指定了 epoch 数(训练数据以构建模型的次数)。控制台上还显示了一些示例图像。
阅读更多:什么是 TensorFlow 以及 Keras 如何与 TensorFlow 配合使用以创建神经网络?
我们将使用花卉数据集,其中包含数千朵花的图像。它包含 5 个子目录,每个类都有一个子目录。
我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码,并且不需要任何配置,并且可以免费访问 GPU(图形处理单元)。 Colaboratory 已在 Jupyter Notebook 上构建。
print("数据适合模型") model.fit( train_ds, validation_data=val_ds, epochs=3 )
代码来源:https://www.tensorflow.org/tutorials/load_data/images
输出
数据适合模型 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>
解释
- 使用 tf.data.Dataset 构建了一个与此类似的数据集(使用 keras.preprocessing 构建)。
- 可以同时训练模型。
- 训练了几个时期,因此不会耗费太多时间。