在TFLearn中,通过调用fit
方法来训练模型,通过调用evaluate
方法来评估模型。以下是一个简单的示例:
import tflearn
# 构建神经网络模型
net = tflearn.input_data(shape=[None, 784])
net = tflearn.fully_connected(net, 128, activation='relu')
net = tflearn.fully_connected(net, 10, activation='softmax')
net = tflearn.regression(net, optimizer='sgd', loss='categorical_crossentropy')
# 定义训练集和测试集
X_train, Y_train, X_test, Y_test = ...
# 创建模型
model = tflearn.DNN(net)
# 训练模型
model.fit(X_train, Y_train, n_epoch=10, batch_size=128, show_metric=True)
# 评估模型
metrics = model.evaluate(X_test, Y_test)
print("Test Accuracy:", metrics[0])
在训练模型时,通过指定n_epoch
来指定训练的轮数,batch_size
来指定每批的样本数量,show_metric=True
来显示训练过程中的度量指标。在评估模型时,通过调用evaluate
方法传入测试集的数据来评估模型的性能。
辰迅云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
推荐阅读: TFLearn与Keras的异同点是什么