Cách huấn luyện mô hình với Keras bằng Python (ví dụ đa đầu vào/đầu ra)

TensorFlow là framework học máy của Google, open-source, dùng với Python cho thuật toán, deep learning. Tối ưu hóa phép toán phức tạp. Tensor là cấu trúc dữ liệu đa chiều (mảng/list).

Keras là API deep learning viết bằng Python, chạy trên TensorFlow, giao diện cấp cao, thử nghiệm nhanh, mở rộng tốt.

Functional API hỗ trợ mô hình đa đầu vào/đầu ra, topo không tuyến tính.

Sử dụng Google Colab. Code huấn luyện mô hình với nhiều đầu vào (title, body, tags) và nhiều đầu ra (priority, department):

Ví dụ

print("Dữ liệu đầu vào mẫu")
title_data = np.random.randint(num_words, size=(1280, 10))
body_data = np.random.randint(num_words, size=(1280, 100))
tags_data = np.random.randint(2, size=(1280, num_tags)).astype("float32")

print("Dữ liệu mục tiêu mẫu")
priority_targets = np.random.random(size=(1280, 1))
dept_targets = np.random.randint(2, size=(1280, num_classes))

print("Huấn luyện mô hình")
model.fit(
    {"title": title_data, "body": body_data, "tags": tags_data},
    {"priority": priority_targets, "class": dept_targets},
    epochs=2,
    batch_size=32,
)

Nguồn: TensorFlow Guide

Đầu ra

Dữ liệu đầu vào mẫu
Dữ liệu mục tiêu mẫu
Huấn luyện mô hình
Epoch 1/2
40/40 [==============================] - 5s 43ms/step - loss: 1.2738 - priority_loss: 0.7043 - class_loss: 2.8477
Epoch 2/2
40/40 [==============================] - 2s 44ms/step - loss: 1.2720 - priority_loss: 0.6997 - class_loss: 2.8612
<tensorflow.python.keras.callbacks.History at 0x7f48d0809e80>

Giải thích

• Tạo dữ liệu đầu vào và mục tiêu mẫu.
• Huấn luyện mô hình bằng cách truyền mảng NumPy của đầu vào và mục tiêu (dictionary cho đa đầu vào/đầu ra).