TensorFlow学习之路（四）

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