Курс Python → Создание и обучение модели с Keras

Библиотека Keras является высокоуровневым API для работы с нейронными сетями, которое упрощает процесс создания и обучения моделей на TensorFlow. Она предоставляет простой и интуитивно понятный интерфейс для определения архитектуры нейросетей, компиляции моделей, обучения и оценки их производительности.

Для создания модели с использованием Keras, сначала необходимо определить последовательность слоев, которые будут составлять нейронную сеть. Например, для создания простой нейронной сети с одним скрытым слоем и одним выходным слоем, можно использовать следующий код:


from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

После определения архитектуры модели, ее необходимо скомпилировать, указав оптимизатор, функцию потерь и метрику для оценки производительности модели во время обучения. Например:


model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

После компиляции модели можно приступать к обучению на обучающих данных. Для этого используется метод fit, который принимает на вход обучающие данные, метки классов, количество эпох и размер пакета:


model.fit(X_train, y_train, epochs=10, batch_size=32)

После обучения модели можно оценить ее производительность на тестовых данных с помощью метода evaluate, который возвращает значения выбранных метрик. Например:


loss, accuracy = model.evaluate(X_test, y_test)
print(f'Loss: {loss}, Accuracy: {accuracy}')
Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Цепные операции в Python
  2. Просмотр атрибутов и методов класса
  3. Создание лямбда-функций
  4. Функции min(), max(), sum()
  5. Аннотации типов в Python
  6. Компиляция регулярных выражений
  7. Навыки Python: строки, типы данных
  8. Разделение строки с регулярными выражениями
  9. Функция findall() для поиска вхождений строки
  10. Работа с контекстным менеджером Pool
  11. Поиск уникальных и повторяющихся элементов
  12. Настройка Cron
  13. Метод сравнения объектов в Python
  14. Очистка вывода в Python
  15. Генераторные функции в Python
  16. Проверка окончания строки с помощью str.endswith()
  17. Класс-оболочка для словарей
  18. Зарезервированные слова в Python
  19. f-строки в формате строк
  20. globals и locals
  21. Генераторы списков в Python
  22. Работа со строками в Python
  23. Заказ карты Тинькофф Black
  24. Работа с файлами в Python
  25. Векторизация в Python с NumPy.
  26. Проверка версии Python
  27. Извлечение аудио из видео
  28. Применение команды break
  29. Извлечение данных из JSON
  30. Обработка исключений в Python 3
  31. Работа со случайными элементами
  32. Enum в Python: создание и использование перечислений
  33. Глобальные переменные в Python
  34. Объединение списков в Python.
  35. Функция rsplit() в Python
  36. Назначение максимального и минимального значения переменной в Python.
  37. Удаление элемента из списка в Python
  38. Генератор бросков кубиков
  39. Подсказки при вводе данных в Python
  40. Сортировка с параметром key
  41. Установка и использование Python-dateutil
  42. Работа с каталогами в Python
  43. Асинхронное выполнение задач в процессах
  44. Руководство по библиотеке pydantic
  45. Метод bool() в Python

Marketello читают маркетологи из крутых компаний