Computer >> Máy Tính >  >> Lập trình >> Python

Làm thế nào có thể sử dụng Keras để đánh giá 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.

Keras được phát triển như một phần nghiên cứu cho dự án ONEIROS (Hệ điều hành Robot thông minh điện tử Neuro kết thúc 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 học máy. 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. Nó có khả năng mở rộng cao và đi kèm với các khả năng đa nền tảng. Điều này có nghĩa là Keras có thể chạy trên TPU hoặc các cụm GPU. Các mô hình Keras cũng có thể được xuất để chạy trong trình duyệt web hoặc điện thoại di động.

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

import tensorflow
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("An instance of the model is created")
model = create_model()

print("The model is being evaluated")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("This is an untrained model, with accuracy: {:5.3f}%".format(100 * acc))

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

Đầu ra 

An Instance of the model is created 
The Model is being evaluated 32/32 -0s - loss: - spare_categories_accurancy: 0.0930 
This is an untrained model, with accuracy: 9.300%

Giải thích

  • Một phiên bản của mô hình được tạo.

  • Đây là một mô hình mới, chưa qua đào tạo được đánh giá trên bộ thử nghiệm.

  • 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.