Краткие итоги главы    225

КРАТКИЕ ИТОГИ ГЛАВЫ

.Приступая.к.новому.проекту.машинного.обучения,.сначала.определите.задачу:

•. постарайтесь.понять.в.общем,.что.вы.собираетесь.сделать,.—.конечную. цель.и.возможные.ограничения;

•. соберите.данные.и.выполните.их.маркировку;.проанализируйте.их,.чтобы. лучше.понять.суть;

•. выберите.меру.успеха.—.показатели,.которые.можно.было.бы.отслеживать. по.проверочным.данным.

.Определив.задачу.и.собрав.соответствующий.набор.данных,.разработайте. модель:

•. подготовьте.данные;

•. выберите.свой.протокол.оценки:.по.выделенному.из.общей.выборки.проверочному.набору.данных.или.методом.перекрестной.проверки.по.K.блокам..

Определите,.какую.часть.данных.вы.будете.использовать.для.проверки;

•. разработайте.первую.модель,.более.совершенную,.чем.базовый.случай,. и.обладающую.статистической.мощностью;

•. сделайте.следующий.шаг:.разработайте.модель,.способную.переобучаться;

•. выполните.регуляризацию.модели.и.настройте.ее.гиперпараметры,.опираясь.на.оценку.качества.по.проверочным.данным..Многие.исследования. в.области.машинного.обучения.сосредоточены.исключительно.на.этом. шаге.—.однако.не.упускайте.из.виду.общую.картину.

.Когда.модель.будет.готова.и.покажет.хороший.результат.на.контрольных. данных,.можно.приступать.к.ее.развертыванию:

•. прежде.всего.объясните.особенности.работы.модели.заинтересованным. сторонам.и.обозначьте.границы.ожидаемого;

•. оптимизируйте.готовую.модель.для.прогнозирования.и.поместите.ее. в.выбранное.окружение.—.на.веб-сервер,.мобильное.устройство,.в.браузер,. на.встроенное.устройство.и.т..д.;

•. наблюдайте.за.качеством.работы.вашей.модели.и.продолжайте.сбор.данных,.чтобы.потом.приступить.к.разработке.модели.следующего.поколения.

Работа с Keras:7глубокое погружение

В этой главе

33 Создание моделей Keras с помощью класса Sequential, функционального API и путем наследования стандартного класса моделей.

33 Использование встроенных в Keras циклов обучения и оценки.

33 Использование обратных вызовов Keras для корректировки процесса обучения.

33 Использование TensorBoard для мониторинга показателей на этапах обучения и оценки.

33 Разработка цикла обучения и оценки с нуля.

У.вас.уже.есть.некоторый.опыт.работы.с.Keras.—.вы.познакомились.с.моделью. Sequential,.слоями.Dense .и.встроенным.API.обучения,.оценки.и.прогнозирования:.compile(),.fit(),.evaluate() .и.predict()..Более.того,.в.главе.3.вы.узнали,. как.создавать.свои.классы.слоев,.наследуя.стандартный.класс.Layer,.и.как. использовать.объект.GradientTape .из.библиотеки.TensorFlow.для.реализации. пошагового.цикла.обучения.

В.следующих.главах.мы.рассмотрим.примеры.задач.распознавания.образов,.прогнозирования.временных.рядов,.обработки.естественного.языка.и.генеративного. глубокого.обучения..Эти.сложные.приложения.потребуют.гораздо.большего,.чем. могут.дать.последовательная.архитектура.Sequential.и.цикл.fit()..Но.не.будем.