📅  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-
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。