На этом шаге мы подведем некоторые итоги.
Обобщим сказанное на предыдущих шагах.
- Keras предлагает целый спектр рабочих процессов, основанных на принципе постепенного раскрытия сложности.
Все они прекрасно взаимодействуют друг с другом.
- Модели можно конструировать с помощью класса Sequential, функционального API или определяя свои подклассы класса Model.
В большинстве случаев вы будете использовать функциональный API.
- Самый простой способ обучить и оценить модель - использовать методы по умолчанию fit() и evaluate().
- Обратные вызовы Keras дают простую возможность следить за происходящим внутри модели в ходе ее обучения и автоматически
предпринимать какие-либо действия, опираясь на ее состояние.
- Вы можете полностью контролировать работу fit(), переопределив метод train_step().
- Помимо функции fit(), можно также реализовать свой цикл обучения с нуля. Эта возможность может пригодиться исследователям, реализующим
совершенно новые алгоритмы обучения.
Со следующего шага мы начнем рассматривать введение в глубокое обучение в технологиях компьютерного зрения.
