Day 28: Tensorflow分类 分类图像衣物 (三)

Tensorflow 衣物图像分类(三)

辅助阅读: Basic classification: Classify images of clothing

训练模组

训练神经网路模组需要下面几步骤:

1. 将训练数据输入进模组。在这个例子中，训练数据是在train_images和train_labels 阵列。
2. 模组学习如何连接图片和标签。
3. 询问模组去制作test_set的预测(predictions)
4. 验证预测符合标签 (test_labels)

输入模组

开始训练，呼叫model.fit 之所以这麽称呼是因为他使模组“套用在”训练数据。

在模组训练时，会显示他的损失值和准确度矩阵。这个模组在训练资料上达到91%的准确度。

评估准确度

接下来对比模组在测试资料上的表现程度。

这显示准确度在测试资料上比训练资料还要低一些。这个训练资料准确度和测试资料准确度的差距代表”过度拟合”。这个状况发生的原因是当机器学习模组在新的数据资料上表现得比较差，因为之前并未输入过相同的资料，所以判断出现了差错。过度拟合的模组会记住这些在训练数据上的问题与详细资讯，从而模组对新数据产生负面的影响。

让我们下篇再继续!