Метод fit класса Model

Метод fit класса Model запускает процесс обучения модели. Первым параметром метод принимает обучающие данные x, вторым - целевые метки y. Параметр epochs задает количество эпох обучения, а batch_size - размер батча. Метод возвращает объект истории обучения с метриками по эпохам.

Синтаксис

model.fit(x, y, [batch_size], [epochs], [verbose], [callbacks])

Пример

Давайте создадим простую модель и обучим ее на данных:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])
model.compile(optimizer='sgd', loss='mse')

x = tf.constant([[1.0], [2.0], [3.0], [4.0], [5.0]])
y = tf.constant([[2.0], [4.0], [6.0], [8.0], [10.0]])

history = model.fit(x, y, epochs=5, verbose=0)
print(history.history['loss'])

Результат выполнения кода:

[0.6618632674217224, 0.2152264565229416, 0.07891494780778885, 0.03645888715982437, 0.021287141367793083]

Пример

Давайте обучим модель с указанием размера батча и проверим точность:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])
model.compile(optimizer='adam', loss='mse', metrics=['mae'])

x = tf.constant([[1.0], [2.0], [3.0], [4.0], [5.0]])
y = tf.constant([[2.0], [4.0], [6.0], [8.0], [10.0]])

history = model.fit(x, y, batch_size=2, epochs=3, verbose=0)
print(history.history['mae'])

Результат выполнения кода:

[2.0202691555023193, 1.3799313306808472, 0.9651203155517578]

Смотрите также

метод compile,
который настраивает модель для обучения
метод evaluate,
который оценивает качество модели на тестовых данных
метод predict,
который делает предсказания на новых данных
метод train_on_batch,
который выполняет один шаг обучения на батче