GradientTapeを使用したTensorFlowモデルトレーニング

GradientTapeを活用したTensorFlowモデルのトレーニング方法

GradientTapeを使用して重みを更新する

TensorFlowは、深層学習のための最も人気のあるライブラリの一つです。私は以前からTensorFlowについて多くのチュートリアルを書いており、今も継続しています。TensorFlowは非常に整理されており、使いやすいパッケージで、モデルの開発やトレーニングについてあまり心配する必要はありません。ほとんどの作業はパッケージ自体で処理されます。それが、なぜ業界でとても人気がある理由かもしれません。しかし同時に、裏側の機能をコントロールできるときはとても良いです。モデルを実験するための多くの力を与えてくれます。もし求職者である場合は、追加の知識がアドバンテージになるかもしれません。

以前、私はカスタム活性化関数、層、損失関数の作成方法についての記事を書きました。この記事では、モデルを手動でトレーニングし、重みを自分で更新する方法を見ていきます。しかし心配しないでください。微分積分を再び覚える必要はありません。TensorFlow自体には、それを処理するためのGradientTape()メソッドが用意されています。

もしGradientTape()が完全に新しいものである場合、GradientTape()がどのように動作するかを示すこのGradientTape()の演習をチェックしてください: TensorFlowによるGradientTapeの紹介 — Regenerative (regenerativetoday.com)

データの準備

この記事では、GradientTape()を使用してTensorFlowで簡単な分類アルゴリズムを作業します。データセットはこちらのリンクからダウンロードしてください：

• 「データ統合の未来のトレンド」
• 「Python を使用した簡単な株式トレーディングアルゴリズムの構築と検証」
• 複数モードモデルとは何ですか？

心不全予測データセット (kaggle.com)

このデータセットはオープンデータベースライセンスです。

以下は必要なインポートです：

import tensorflow as tffrom tensorflow.keras.models import Modelfrom tensorflow.keras.layers import Dense, Inputimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.ticker as mtickerimport pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import confusion_matriximport itertoolsfrom tqdm import tqdmimport tensorflow_datasets as tfds

データフレームの作成：

import pandas as pddf = pd.read_csv('heart.csv')df

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!