Пример 2 Обучение
Функция обучения
async function trainModel(model, inputs, labels, surface) {
const batchSize = 25;
const epochs = 100;
const callbacks = tfvis.show.fitCallbacks(surface, ['loss'], {callbacks:['onEpochEnd']})
return await model.fit(inputs, labels,
{batchSize, epochs, shuffle:true, callbacks:callbacks}
);
}
эпохи определяет, сколько итераций (циклов) будет выполнять модель.
model.fit — это функция, которая запускает циклы.
callbacks определяет функцию обратного вызова для вызова, когда модель хочет перерисовать графику.
Протестируйте модель
Когда модель обучена, важно протестировать и оценить ее.
Мы делаем это, проверяя, что модель предсказывает для диапазона различных входных данных.
Но прежде чем мы сможем это сделать, нам нужно отменить нормализацию данных:
нормализовать
let unX = tf.linspace(0, 1, 100);
let unY = model.predict(unX.reshape([100, 1]));
const unNormunX = unX.mul(inputMax.sub(inputMin)).add(inputMin);
const unNormunY = unY.mul(labelMax.sub(labelMin)).add(labelMin);
unX = unNormunX.dataSync();
unY = unNormunY.dataSync();
Затем мы можем посмотреть на результат:
Постройте результат
const predicted = Array.from(unX).map((val, i) => {
return {x: val, y: unY[i]}
});
// Plot the Result
tfPlot([values, predicted], surface1)