示例 2 訓練
訓練函式
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}
);
}
epochs 定義了模型將執行的迭代次數（迴圈）。
model.fit 是執行迴圈的函式。
callbacks 定義了當模型想要重繪圖形時呼叫的回撥函式。
測試模型
模型訓練後，對其進行測試和評估很重要。
我們透過檢查模型對一系列不同輸入的預測來做到這一點。
但是，在此之前，我們必須對資料進行反歸一化。
反歸一化
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();
然後，我們可以檢視結果。
繪製結果
const predicted = Array.from(unX).map((val, i) => {
return {x: val, y: unY[i]}
});
// 繪製結果
tfPlot([values, predicted], surface1)
