[Tensorflow] 1. TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning Paradigm(2 week Introduction to Computer Vision) : Programming (2)

[Tensorflow] 1. TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning Paradigm(2 week Introduction to Computer Vision) : Programming (2)

콜백을 사용하여 훈련 제어

여기서는 콜백 API를 사용하여 지정된 측정항목이 충족되면 학습을 중지한다.
이는 유용한 기능이므로 이 임계값에 도달하면 모든 에포크를 완료할 필요가 없다.
예를 들어, 1000 Epoch를 설정하고 원하는 정확도가 이미 Epoch 200에 도달한 경우 훈련이 자동으로 중지된다.

[1] load load & data normalization

Fashion MNIST 데이터세트를 로드하고, 학습을 위해서 픽셀 값을 정규화한다.

import tensorflow as tf

fmnist = tf.keras.datasets.fashion_mnist

(x_train, y_train), (x_test, y_test) = fmnist.load_data()

x_train, x_test = x_train/255.0, x_test/255.0

[2] callback 클래스 정의

class myCallback(tf.keras.callbacks.Callback):
  def on_epoch_end(self, epoch, logs={}):
    '''
    Halts the training when the loss falls below 0.4

    Args:
      epoch (integer) - index of epoch (required but unused in the function definition below)
      logs (dict) - metric results from the training epoch
    '''

    if(logs.get('loss') < 0.4):

      print("\nLoss is lower than 0.4 so cancelling training!")
      self.model.stop_training = True

callbacks = myCallback()

[3] model 정의 & 컴파일

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])


model.compile(optimizer=tf.optimizers.Adam(),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

[4] 모델 학습

model.fit(x_train, y_train, epochs=10, callbacks=[callbacks])