Mô hình Sequential trong Keras được tạo bằng phương thức Sequential(), chỉ định số lượng và loại layer bên trong.
Mã ví dụ
print("Đang xây dựng mô hình Sequential")
abalone_model = tf.keras.Sequential([
layers.Dense(64),
layers.Dense(1)
])
abalone_model.compile(loss=tf.losses.MeanSquaredError(),
optimizer=tf.optimizers.Adam())
print("Đang fit dữ liệu vào mô hình")
abalone_model.fit(abalone_features, abalone_labels, epochs=10)
Nguồn mã: TensorFlow CSV Tutorial
Đầu ra huấn luyện
Đang xây dựng mô hình Sequential Đang fit dữ liệu vào mô hình Epoch 1/10 104/104 [==============================] - 0s 963us/step - loss: 84.2213 Epoch 2/10 104/104 [==============================] - 0s 924us/step - loss: 16.0268 Epoch 3/10 104/104 [==============================] - 0s 860us/step - loss: 9.4125 Epoch 4/10 104/104 [==============================] - 0s 898us/step - loss: 8.9159 Epoch 5/10 104/104 [==============================] - 0s 912us/step - loss: 7.9076 Epoch 6/10 104/104 [==============================] - 0s 936us/step - loss: 6.8316 Epoch 7/10 104/104 [==============================] - 0s 992us/step - loss: 7.1021 Epoch 8/10 104/104 [==============================] - 0s 1ms/step - loss: 7.0550 Epoch 9/10 104/104 [==============================] - 0s 1ms/step - loss: 6.2762 Epoch 10/10 104/104 [==============================] - 0s 883us/step - loss: 6.5584 <tensorflow.python.keras.callbacks.History at 0x7fda82a35160>
Giải thích
- Xây dựng mô hình hồi quy (regression) dự đoán cột 'Age' của abalone.
- Dùng Sequential vì có single input tensor.
- Biên dịch (compile = huấn luyện), sau đó truyền features/labels vào
Model.fit.