Làm cách nào để Keras có thể được sử dụng để tải trọng số từ trạm kiểm soát và đánh giá lại mô hình bằng Python?

Tensorflow là một khuôn khổ học máy do Google cung cấp. Nó là một khung công tác mã nguồn mở được sử dụng cùng với Python để triển khai các thuật toán, ứng dụng học sâu và hơn thế nữa. Nó được sử dụng trong nghiên cứu và cho mục đích sản xuất.

Gói 'tensorflow' có thể được cài đặt trên Windows bằng dòng mã bên dưới -

 pip cài đặt tensorflow 

Tensor là một cấu trúc dữ liệu được sử dụng trong TensorFlow. Nó giúp kết nối các cạnh trong một sơ đồ luồng. Sơ đồ luồng này được gọi là 'Biểu đồ luồng dữ liệu'. Tensors không là gì khác ngoài mảng nhiều chiều hoặc một danh sách. Chúng có thể được xác định bằng ba thuộc tính chính -

• Xếp hạng - Nó cho biết về kích thước của tensor. Nó có thể được hiểu là thứ tự của tensor hoặc số kích thước trong tensor đã được xác định.

• Loại - Nó cho biết về kiểu dữ liệu được liên kết với các phần tử của Tensor. Nó có thể là tensor một chiều, hai chiều hoặc n chiều.

• Hình dạng - Là số hàng và số cột cùng nhau.

Keras có nghĩa là 'sừng' trong tiếng Hy Lạp. Keras được phát triển như một phần nghiên cứu của dự án ONEIROS (Hệ điều hành Robot thông minh điện tử thần kinh mở). Keras là một API học sâu, được viết bằng Python. Đây là một API cấp cao có giao diện hiệu quả giúp giải quyết các vấn đề về máy học. Nó chạy trên khuôn khổ Tensorflow. Nó được xây dựng để giúp thử nghiệm một cách nhanh chóng. Nó cung cấp các khối xây dựng và trừu tượng thiết yếu cần thiết trong việc phát triển và đóng gói các giải pháp học máy.

Keras đã có trong gói Tensorflow. Nó có thể được truy cập bằng cách sử dụng dòng mã dưới đây.

 import tensorflowf from tensorflow import keras 

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. Sau đây là mã -

Ví dụ

 print ("Trọng lượng được tải") model.load_weights (checkpoint_path) print ("Mô hình đang được đánh giá lại") mất, acc =model.evaluate (test_images, test_labels, verbose =2) print ("Cái này là mô hình đã khôi phục, với độ chính xác:{:5.3f}% ". format (100 * acc)) 

Tín dụng mã - https://www.tensorflow.org/tutorials/keras/save_and_load

Đầu ra

 Trọng lượng đã tải 
 Giải thích 
 
 
 

 Mô hình mới này được sử dụng để ánh xạ trọng lượng cho nó. 
 
 
 

 Phương pháp "đánh giá" được sử dụng để kiểm tra xem mô hình hoạt động tốt như thế nào trên dữ liệu mới. 
 
 
 

 Ngoài ra, tổn thất khi mô hình đang được đào tạo và độ chính xác của mô hình đều được xác định. 
 
 
 

 Sự mất mát và độ chính xác được in trên bảng điều khiển.