"Aniqlik" ko'rsatkichini ko'rsatish bizga o'quv jarayonida modelimiz to'g'riligini kuzatish imkonini beradi.
Bizning teglarimiz 1 va 0 ko'rinishida bo'lgani uchun biz haqiqiy va taxmin qilingan teglar o'rtasidagi farqni hisoblash uchun ikkilik yo'qotish funksiyasidan foydalanamiz.
Ma'lumotlar to'plami, shuningdek, 10 ta (batch_size) to'plamlarga bo'linadi va model orqali 30 marta (davrlar) o'tkaziladi. Berilgan ma'lumotlar to'plami uchun x ma'lumotlar va y ma'lumotlarga mos keladigan teglar bo'ladi.
Prognozlar yordamida modelni sinovdan o’tkazish
Modelimizni baholash uchun biz taxmin () funktsiyasidan foydalanib test ma'lumotlari bo'yicha bashorat qilamiz.
bashorat = model.pre
Xulosa Neyron tarmoqlari sohasi tez kengaymoqda. Ular bilan shug'ullanish uchun ushbu sektordagi tushunchalarni o'rganish va tushunish juda muhim. TensorFlow bizning sun'iy intellekt tizimlarini yaratish uslubimizni chinakam inqilob qildi va kuchli real ilovalarga ega ekan. TensorFlow ML modellarini yaratish va o‘rgatishdan tortib to joylashtirishgacha, ML loyihalarini yaratish uchun mustahkam resurslarni taklif etar ekan.
