34、使用TensorFlow并行化神经网络训练

使用TensorFlow并行化神经网络训练

1. 模型训练

在之前的示例中，我们通过编写自定义的 train() 函数并应用随机梯度下降优化来训练模型。不过，编写 train() 函数在不同项目中可能是重复性的工作。TensorFlow Keras API 提供了方便的 .fit() 方法，可在实例化的模型上调用。以下是具体步骤：
1. 创建并编译模型 ：

import tensorflow as tf
tf.random.set_seed(1)
model = MyModel()
model.compile(optimizer='sgd',
              loss=loss_fn,
              metrics=['mae', 'mse'])

2. 训练模型 ：

model.fit(X_train_norm, y_train,
          epochs=num_epochs, batch_size=batch_size,
          verbose=1)

训练完成后，可视化结果并确保其与之前方法的结果相似。

2. 构建多层感知器对鸢尾花数据集进行分类

之前我们学习了如何从头开始构建