Có thể đánh giá một mạng nơ-ron phức hợp bằng phương pháp 'đánh giá'. Phương pháp này lấy dữ liệu thử nghiệm làm tham số của nó. Trước đó, dữ liệu được vẽ trên bảng điều khiển bằng cách sử dụng thư viện ‘matplotlib’ và các phương thức ‘imshow’.
Đọc thêm: TensorFlow là gì và cách Keras làm việc với TensorFlow để tạo Mạng thần kinh?
Mạng nơ-ron hợp hiến đã được sử dụng để tạo ra kết quả tuyệt vời cho một loại vấn đề cụ thể, chẳng hạn như nhận dạng hình ảnh.
Chúng tôi đang sử dụng Google Colaboratory để chạy đoạn mã dưới đây. Google Colab hoặc Colaboratory giúp chạy mã Python qua trình duyệt và không yêu cầu cấu hình cũng như quyền truy cập miễn phí vào GPU (Đơn vị xử lý đồ họa). Colaboratory đã được xây dựng trên Jupyter Notebook.
print("Plotting accuracy versus epoch") plt.plot(history.history['accuracy'], label='accuracy') plt.plot(history.history['val_accuracy'], label = 'val_accuracy') plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.ylim([0.5, 1]) plt.legend(loc='lower right') print("The model is being evaluated") test_loss, test_acc = model.evaluate(test_images,test_labels, verbose=2) print("The accuracy of the model is:") print(test_acc)
Tín dụng mã:https://www.tensorflow.org/tutorials/images/cnn
Đầu ra
Plotting accuracy versus epoch The model is being evaluated 313/313 - 3s - loss: 0.8884 - accuracy: 0.7053 The accuracy of the model is: 0.705299973487854
Giải thích
- Độ chính xác so với dữ liệu thời đại được hiển thị trực quan.
- Việc này được thực hiện bằng thư viện matplotlib.
- Mô hình được đánh giá, xác định mức độ tổn thất và độ chính xác.