Etude 01

Utilisation des Boucles d’Entraînement et d’Évaluation Intégrées de Keras

• Boucles d’Entraînement :
  • Keras propose des méthodes intégrées pour gérer le processus d’entraînement des modèles. Cela inclut la division des données en mini-lots, la mise à jour des poids du modèle, et le suivi des métriques de performance à chaque époque.
• Boucles d’Évaluation :
  • Les méthodes intégrées pour l’évaluation permettent de mesurer les performances du modèle sur des ensembles de données de test, en calculant des métriques comme la perte et la précision, facilitant ainsi l’évaluation de l’efficacité du modèle.

Utilisation des Callbacks Keras pour Personnaliser l’Entraînement

• Callbacks :
  • Les callbacks sont des outils puissants qui permettent d’ajouter des fonctionnalités supplémentaires au processus d’entraînement, comme l’arrêt précoce, la sauvegarde des modèles, et le suivi des métriques en temps réel, sans modifier le code principal d’entraînement.

Utilisation de TensorBoard pour Suivre les Métriques d’Entraînement et d’Évaluation

• TensorBoard :
  • TensorBoard est un outil de visualisation qui permet de surveiller les métriques d’entraînement et d’évaluation en temps réel. Il fournit des graphiques pour visualiser la perte, la précision, les histogrammes de poids, et d’autres métriques importantes, aidant ainsi à diagnostiquer et optimiser les performances du modèle.

Lisez de la 172 page a la page 185