Apprendimento approfondito con Keras - Addestramento del modello

L'addestramento del modello viene eseguito in una singola chiamata al metodo chiamata fit che richiede pochi parametri, come mostrato nel codice seguente:

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

I primi due parametri del metodo di adattamento specificano le funzionalità e l'output del set di dati di addestramento.

Il epochsè impostato su 20; assumiamo che l'addestramento converga in un massimo di 20 epoche - le iterazioni. Il modello addestrato viene convalidato sui dati del test come specificato nell'ultimo parametro.

L'output parziale dell'esecuzione del comando precedente è mostrato qui -

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

Lo screenshot dell'output è fornito di seguito come riferimento rapido:

Ora, poiché il modello viene addestrato sui nostri dati di addestramento, valuteremo le sue prestazioni.