在这个Tensorflow模型中，从一个时期到下一个时期，哪些模型参数正在发生变化？

Question

为了让我的问题更具体，根据评论，哪些模型参数在不同的时期都在变化？起始权重？

我在这里回顾这个Tensorflow教程：https://codelabs.developers.google.com/codelabs/tensorflow-lab2-computervision/index.html

随着模型的训练，我看到有5个时期，每个时期都有不同的精度。但我不确定每个时代都在改变什么，也不确定最终的模型是如何根据这些时代确定的。以下是模型创建和训练的代码片段。

model = tf.keras.models.Sequential([tf.keras.layers.Flatten(), 
                                    tf.keras.layers.Dense(128, activation=tf.nn.relu), 
                                    tf.keras.layers.Dense(10, activation=tf.nn.softmax)])

model.compile(optimizer = tf.train.AdamOptimizer(),
              loss = 'sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(training_images, training_labels, epochs=5)

任何帮助都将不胜感激。谢谢!

Answer 1

模型从一个时代到另一个时代的方式实际上是机器学习甚至是工作的原因。在开始自己编写神经网络之前，您可能应该学习一些基本模型(如kNN)的内部工作原理，这些模型并不局限于特定的库。

本质上，该模型在每个时期之间进行训练，优化其参数(即修改应用于每层中每个神经元的数学函数)，以随时间提高其准确性。