ここで「モデルの訓練」と定めるものは,つぎの「train データに model を fit させる」である (モデルの訓練の進行とともに、損失値と正解率が表示される):
>>> model.fit(train_images, train_labels, epochs=5)
Train on 60000 samples
Epoch 1/5
60000/60000 [==============================] - 24s 401us/sample - loss: 0.4970 - acc: 0.8258
Epoch 2/5
60000/60000 [==============================] - 24s 394us/sample - loss: 0.3762 - acc: 0.8641
Epoch 3/5
60000/60000 [==============================] - 23s 386us/sample - loss: 0.3370 - acc: 0.8769
Epoch 4/5
60000/60000 [==============================] - 24s 392us/sample - loss: 0.3132 - acc: 0.8846
Epoch 5/5
60000/60000 [==============================] - 23s 391us/sample - loss: 0.2937 - acc: 0.8919
epochs は,学習の繰り返しの数。
繰り返すごとに,正解率が上がっている。
このモデルの場合、訓練用データでは 0.8919(すなわち 89%)の正解率に達した。
|