时间戳

首页 > 解决方案 > 在这个 TensorFlow 模型中，哪些模型参数从一个时期到下一个时期发生了变化？

python - 在这个 TensorFlow 模型中，哪些模型参数从一个时期到下一个时期发生了变化？

问题描述

为了根据评论使我的问题更加具体，哪些模型参数从一个时期到另一个时期正在发生变化？起始重量？

我在这里查看这个 Tensorflow 教程： https ://codelabs.developers.google.com/codelabs/tensorflow-lab2-computervision/index.html

随着模型的训练，我看到有 5 个时期，每个时期具有不同的准确性。但我不确定从一个时代到另一个时代发生了什么变化，以及如何根据这些时代确定最终模型。这是模型创建和训练的代码片段。

model = tf.keras.models.Sequential([tf.keras.layers.Flatten(), 
                                    tf.keras.layers.Dense(128, activation=tf.nn.relu), 
                                    tf.keras.layers.Dense(10, activation=tf.nn.softmax)])

model.compile(optimizer = tf.train.AdamOptimizer(),
              loss = 'sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(training_images, training_labels, epochs=5)

任何帮助将非常感激。谢谢！

标签： pythontensorflowkeras

解决方案

模型改变时代的方式实际上是让机器学习发挥作用的原因。在开始自己编码神经网络之前，您可能应该了解一些不受特定库限制的基本模型（例如 kNN）的内部工作原理。

本质上，模型在每个时期之间进行训练，优化其参数（即修改它应用于每一层中每个神经元的数学函数）以随着时间的推移提高其准确性。

推荐阅读