Прежде чем приступить к обучению модели, ее необходимо  скомпилировать с помощью метода compile()




Download 6,64 Mb.
Pdf ko'rish
bet222/312
Sana22.05.2024
Hajmi6,64 Mb.
#249488
1   ...   218   219   220   221   222   223   224   225   ...   312
Bog'liq
3 tom

443
Прежде чем приступить к обучению модели, ее необходимо 
скомпилировать с помощью метода compile(): 
 
Методу передаются три параметра: 
loss — функция потерь — объект, который модель стремится 
минимизировать; 
Optimizer — оптимизатор, мы используем встроенный метод 
стохастической оптимизации adam, описанный в публикации Дедерика 
Кингма и Джимми Ба; 
metrics – список метрик оптимизации, метрика «accuracy» 
используется для задач классификации. 
Нейросеть: обучение и оценка результата 
Для обучения нейронной сети мы используем метод fit(): 
 
Параметр epochs — «эпохи» — количество проходов нейронной сети 
по всем записям набора данных (выбирается исходя из того, насколько 
быстро модель приближается к нужной точности прогнозирования с 
каждым новым проходом), batch_size — количество объектов выборки, 
взятых за один шаг. В процессе обучения API будет выводить 
соответствующие строки со значениями функции потерь и метрики для 
каждой из эпох. 
Оценим результат обучения нейронной сети. Метод evaluate()
возвращает функцию потерь и значения метрик для обученной модели: 
 
Последняя строка в отформатированном виде отображает точность 
прогноза для нашей модели по заданной метрике accuracy: 
 


Искусственный интеллект, методы и технологии информационной безопасности 
Международная научно-техническая конференция «Практическое применение технических и 
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г. 
444
В заключение
, Python является основным средством обработки 
больших объемов данных в медицине, поэтому обработка больших данных 
с помощью Python может произвести революцию в медицинской отрасли. 
Поскольку он предоставляет широкий спектр инструментов и библиотек 
для работы с данными в различных форматах, включая изображения и 
результаты экспериментов, а также использование Python, медицинские 
работники могут анализировать большие объемы данных для улучшения 
результатов лечения пациентов, выявления тенденций и разработки новых 
методов лечения. Универсальность, простота использования и мощные 
возможности анализа данных делают Python идеальным выбором для 
обработки больших данных в медицине. 

Download 6,64 Mb.
1   ...   218   219   220   221   222   223   224   225   ...   312




Download 6,64 Mb.
Pdf ko'rish

Bosh sahifa
Aloqalar

    Bosh sahifa



Прежде чем приступить к обучению модели, ее необходимо  скомпилировать с помощью метода compile()

Download 6,64 Mb.
Pdf ko'rish