学习笔记(04):轻松入门Tensorflow-LeNet模型训练与预测

立即学习:https://edu.csdn.net/course/play/26266/334706?utm_source=blogtoedu

超参数设置

epoch：训练轮数

batch_size：批大小

learning_rate：学习率

深度学习中，主要调整以上参数

 

优化器：优化算法

adam_optimizer = tf.keras.optimizers.Adam(learning_rate)

 

编译模型 

model.compile(optimizer=adam_optimizer,       loss=tf.keras.losses.sparse_categorical_crossentropy,       metrics=['accuracy'])

 

训练模型

x, # 训练数据

y, # 训练数据的标签

batch_size,  # 批大小

epochs # 训练遍数(轮数)

根据参数开始训练：model.fit(x=x_train, y=y_train, batch_size=batch_size,     epochs=num_epochs) 

 

保存模型

filepath, # 保存路径
from google.colab import drive drive.mount('/gdrive') #使用colab时的保存代码

model.save('/gdrive/My Drive/AI/model/lenet_model.h5')

 

加载模型

预测时需要加载保存好的模型

 filepath, # 模型路径
model = tf.keras.models.load_model('/gdrive/My Drive/AI/model/lenet_model.h5')

 

预测模型 

 x, # 输入数据
pred = model.predict(x_test[image_index].reshape(1, 32, 32, 1)) #将测试集以四维结构输入，得到0-9的概率

print(pred.argmax())#打印最大概率的对应数字