📌  相关文章
📜  使用Keras进行深度学习-训练模型

📅  最后修改于: 2020-12-11 05:05:49             🧑  作者: Mango

模型训练是在一个称为fit的单一方法调用中完成的，该方法只需要很少的参数，如下面的代码所示-

history = model.fit(X_train, Y_train,
   batch_size=128, epochs=20,
   verbose=2,
   validation_data=(X_test, Y_test)))

fit方法的前两个参数指定训练数据集的特征和输出。

纪元设置为20；我们假设训练将在最多20个时期(即迭代)中收敛。根据最后一个参数中指定的测试数据对训练后的模型进行验证。

运行上述命令的部分输出如下所示-

Train on 60000 samples, validate on 10000 samples
Epoch 1/20
- 9s - loss: 0.2488 - acc: 0.9252 - val_loss: 0.1059 - val_acc: 0.9665
Epoch 2/20
- 9s - loss: 0.1004 - acc: 0.9688 - val_loss: 0.0850 - val_acc: 0.9715
Epoch 3/20
- 9s - loss: 0.0723 - acc: 0.9773 - val_loss: 0.0717 - val_acc: 0.9765
Epoch 4/20
- 9s - loss: 0.0532 - acc: 0.9826 - val_loss: 0.0665 - val_acc: 0.9795
Epoch 5/20
- 9s - loss: 0.0457 - acc: 0.9856 - val_loss: 0.0695 - val_acc: 0.9792

下面给出了输出的屏幕截图，供您快速参考-

时代

现在，当根据我们的训练数据对模型进行训练时，我们将评估其性能。