經歷漫長的環境建置後,終於要準備實作啦!這個主題要來看的是,要如何載入一個已經訓練好的AI模型,並呼叫使程式可以進行分類,究竟AI你行不行?讓我們繼續看下去~
實作
首先要先安裝Keras套件,輸入以下指令
載入MNIST,把樣本從整數換成福點設浮點數,網址與指令如下
網址:http://yann.lecun.com/exdb/mnist/
對每一個例子,模型會傳回logits或log-odds之向量,每個類別各一個,如下圖所示
輸入以下指令tf.nn.softmax
,將這些轉換成機率
注意!使用softmax輸出,可以為所有模型提供精確且穩定的計算
輸入指令loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
後,再執行以下指令loss_fn(y_train[:1], predictions).numpy()
即可得出答案,結果如下圖:
繼續輸入指令model.compile(optimizer='adam',loss=loss_fn, metrics=['accuracy'])
注意!使用Model.fit
方法可以調整模型參數以減少最大程度的損失
輸入指令model.fit(x_train, y_train, epochs=5)
並按下執行,系統就會開始執行,如下圖:
建置完就算是讓機器的學習告一段落囉!明天再繼續!
Reference: https://tf.wiki/zh_hant/basic/installation.html
Reference: https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/tutorials/quickstart/beginner.ipynb#scrollTo=T4JfEh7kvx6m
Reference: https://www.tensorflow.org/tutorials/
Reference: http://tensorflowkeras.blogspot.com/2019/02/kerasgoogle-colab.html
Reference: 李金洪(2020):極詳細+超深入:最新版TensorFlow 1.x/2.x完整工程實作。台北市:深智數位