Tensorflow 衣物圖像分類(三)

輔助閱讀: Basic classification: Classify images of clothing

訓練模組

訓練神經網路模組需要下面幾步驟:

1. 將訓練數據輸入進模組。在這個例子中，訓練數據是在train_images和train_labels 陣列。
2. 模組學習如何連接圖片和標籤。
3. 詢問模組去製作test_set的預測(predictions)
4. 驗證預測符合標籤 (test_labels)

輸入模組

開始訓練，呼叫model.fit 之所以這麼稱呼是因為他使模組“套用在”訓練數據。

在模組訓練時，會顯示他的損失值和準確度矩陣。這個模組在訓練資料上達到91%的準確度。

評估準確度

接下來對比模組在測試資料上的表現程度。

這顯示準確度在測試資料上比訓練資料還要低一些。這個訓練資料準確度和測試資料準確度的差距代表”過度擬合”。這個狀況發生的原因是當機器學習模組在新的數據資料上表現得比較差，因為之前並未輸入過相同的資料，所以判斷出現了差錯。過度擬合的模組會記住這些在訓練數據上的問題與詳細資訊，從而模組對新數據產生負面的影響。

讓我們下篇再繼續!