ফুলের ডেটাসেট যথাক্রমে 'কম্পাইল' এবং 'ফিট' পদ্ধতি ব্যবহার করে মডেলের সাথে কম্পাইল এবং ফিট করা যেতে পারে। 'ফিট' পদ্ধতিতে, প্রশিক্ষণ ডেটাসেট এবং বৈধতা ডেটাসেট প্যারামিটার হিসাবে পাস করা হয়। যুগের সংখ্যাও 'ফিট' পদ্ধতিতে সংজ্ঞায়িত করা হয়।
আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?
আমরা ফুলের ডেটাসেট ব্যবহার করব, যেটিতে কয়েক হাজার ফুলের ছবি রয়েছে। এটিতে 5টি সাব-ডিরেক্টরি রয়েছে এবং প্রতিটি ক্লাসের জন্য একটি সাব-ডিরেক্টরি রয়েছে।
নিচের কোডটি চালানোর জন্য আমরা Google Colaboratory ব্যবহার করছি। Google Colab বা Colaboratory ব্রাউজারে Python কোড চালাতে সাহায্য করে এবং এর জন্য শূন্য কনফিগারেশন এবং GPUs (গ্রাফিক্যাল প্রসেসিং ইউনিট) তে বিনামূল্যে অ্যাক্সেস প্রয়োজন। জুপিটার নোটবুকের উপরে কোলাবোরেটরি তৈরি করা হয়েছে।
print("The model is being compiled")
model.compile(
optimizer='adam',
loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
print("The model is being fit to the data")
model.fit(
train_ds,
validation_data=val_ds,
epochs=3
) কোড ক্রেডিট:https://www.tensorflow.org/tutorials/load_data/images
আউটপুট
The model is being compiled The model is being fit to the data Epoch 1/3 92/92 [==============================] - 107s 1s/step - loss: 1.3570 - accuracy: 0.4183 - val_loss: 1.0730 - val_accuracy: 0.5913 Epoch 2/3 92/92 [==============================] - 101s 1s/step - loss: 1.0185 - accuracy: 0.5927 - val_loss: 1.0041 - val_accuracy: 0.6199 Epoch 3/3 92/92 [==============================] - 95s 1s/step - loss: 0.8691 - accuracy: 0.6529 - val_loss: 0.9985 - val_accuracy: 0.6281 <tensorflow.python.keras.callbacks.History at 0x7f2cdcbbba90>এ
ব্যাখ্যা
- একবার স্তরগুলি তৈরি হয়ে গেলে এবং ডেটা প্রশিক্ষিত হয়ে গেলে, পরবর্তী ধাপে তৈরি করা মডেলটি সংকলন করা হয়৷
- একবার কম্পাইল করা হয়ে গেলে, মডেলটি ইনপুট ডেটাসেটের সাথে ফিট হয়ে যায়।
- প্রশিক্ষণের নির্ভুলতার মানের তুলনায় যাচাইকরণের নির্ভুলতা একটি কম মান।
- এর মানে হল আমাদের মডেল ওভারফিট৷ ৷
