실시예 1 훈련
훈련 기능
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}
);
}
epochs 는 모델이 수행할 반복(루프) 수를 정의합니다.
model.fit 은 루프를 실행하는 함수입니다.
callbacks 는 모델이 그래픽을 다시 그리려고 할 때 호출할 콜백 함수를 정의합니다.
모델 테스트
모델이 학습되면 이를 테스트하고 평가하는 것이 중요합니다.
다양한 입력 범위에 대해 모델이 예측하는 것을 검사하여 이를 수행합니다.
하지만 그렇게 하기 전에 데이터를 비정규화해야 합니다.
A 정규화
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();
그런 다음 결과를 볼 수 있습니다.
결과 플롯
const predicted = Array.from(unX).map((val, i) => {
return {x: val, y: unY[i]}
});
// Plot the Result
tfPlot([values, predicted], surface1)