उदाहरण 1 प्रशिक्षण
प्रशिक्षण समारोह
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}
);
}
युग परिभाषित करता है कि मॉडल कितने पुनरावृत्तियों (लूप) करेगा।
model.fit वह फ़ंक्शन है जो लूप चलाता है।
कॉलबैक कॉलबैक फ़ंक्शन को कॉल करने के लिए परिभाषित करता है जब मॉडल ग्राफिक्स को फिर से बनाना चाहता है।
मॉडल का परीक्षण करें
जब एक मॉडल को प्रशिक्षित किया जाता है, तो उसका परीक्षण और मूल्यांकन करना महत्वपूर्ण होता है।
हम यह निरीक्षण करके करते हैं कि मॉडल विभिन्न इनपुट की एक श्रृंखला के लिए क्या भविष्यवाणी करता है।
लेकिन, इससे पहले कि हम ऐसा कर सकें, हमें डेटा को सामान्य करना होगा:
एक सामान्य करें
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();
तब हम परिणाम देख सकते हैं:
परिणाम प्लॉट करें
const predicted = Array.from(unX).map((val, i) => {
return {x: val, y: unY[i]}
});
// Plot the Result
tfPlot([values, predicted], surface1)