モデル構築が終わったら、実行し評価を行います。
Lesson1 手書き文字認識をしよう（ニューラルネットワーク入門）
学習の実行
学習の実行はfitで行います。
ここで、「訓練データ」「教師データ」を初めて設定します。
プログラムで例えると、fitがmain関数となり、Dense/Compileは関数やクラスという位置付けでしょうか。
訓練データは画像であるX、教師データはYの「実際の数値」を指定します。
batch_sizeでは、1回の学習で使用するデータ数を定義します。batch_size単位での学習を「何回繰り返すか？」という指定をepochsで行います。
validation_dataは学習後の検証で使用するデータを指定します。
実際に動かしてみると学習している雰囲気が味わえます。
Epoch 1/10
60/60 [==============================] - 2s 27ms/step - loss: 149734.7500 - accuracy: 0.1077 - val_loss: 2.8663 - val_accuracy: 0.1135
Epoch 2/10
60/60 [==============================] - 2s 25ms/step - loss: 2.3152 - accuracy: 0.1124 - val_loss: 2.6711 - val_accuracy: 0.1135
Epoch 3/10
60/60 [==============================] - 2s 25ms/step - loss: 2.3021 - accuracy: 0.1124 - val_loss: 2.6710 - val_accuracy: 0.1135
Epoch 4/10
60/60 [==============================] - 1s 25ms/step - loss: 2.3021 - accuracy: 0.1124 - val_loss: 2.6709 - val_accuracy: 0.1135
学習結果はログを表示するようにしていると画面上でも確認できますが、evaluateを使用して表示することもできます。
予測を行う
学習させた結果を使用して予測を行います。
予測はpredictで行います。
コメント