超参数设置
超参数的设置直接影响机器学习的速度以及效率
属性
epoch:训练轮数
batch_size:批大小
learning_tate:学习率
#超参数设置
num_epochs=10
batch_size=64
learning_rate=0.001
优化器
涉及到优化算法的那块的对象
adam_optimizer=tf.keras.optimizers.Adam(learning_rate)
编译模型
参数
optimizer:优化器
loss:损失函数
metrics:评价
mode.compile(optimizer=adam_optimizer,
loss=tf.keras.losses.sparse_categorical_crossentropy,
metrics=['accuracy'])
训练模型
参数
x:训练数据
y:训练数据标签
batch_size:批大小
epochs:训练遍数(轮数)
mode.fit(x=x_train,y=y_train,
batch_size=batch_size,epochs=num_epochs)
保存模型
保存模型很简单,直接一个save函数就可以了
mode.save("model.h5")
加载模型
加载模型也很简单直接调用函数就好
#加载模型
model=tf.keras.models.load_model('model.h5')
模型预测
参数
x:输入数据
#模型预测
pred=mode.predict(x_test[image_index].reshape(1,32,32,1))
print(pred.argmax())#输出最大的概率的值
我们看一下预测的图片
图像为3输出为3