例1トレーニング
トレーニング機能
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}
);
}
エポックは、モデルが実行する反復(ループ)の数を定義します。
model.fitは、ループを実行する関数です。
callbacksは、モデルがグラフィックを再描画するときに呼び出すコールバック関数を定義します。
モデルをテストする
モデルをトレーニングするときは、モデルをテストして評価することが重要です。
これを行うには、モデルがさまざまな入力に対して何を予測するかを調べます。
ただし、その前に、データの正規化を解除する必要があります。
正規化
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();
次に、結果を確認できます。
結果をプロットする
const predicted = Array.from(unX).map((val, i) => {
return {x: val, y: unY[i]}
});
// Plot the Result
tfPlot([values, predicted], surface1)