RNN Menggunakan TensorFlow 2 – Bag 3

Pada modul ini kita akan melakukan training dan evaluation. Sama seperti pada modul training dari CNN atau ANN, proses melakukan training sangat mudah.

Fungsi yang digunakan adalah fit dengan parameter epoch=3.

model.fit(X_train, y_train, epochs=3, batch_size=128)

Epoch 1/3
196/196 [==============================] - 67s 331ms/step - loss: 0.5717 - accuracy: 0.6942
Epoch 2/3
196/196 [==============================] - 65s 334ms/step - loss: 0.2943 - accuracy: 0.8827
Epoch 3/3
196/196 [==============================] - 66s 336ms/step - loss: 0.2248 - accuracy: 0.9139
<tensorflow.python.keras.callbacks.History at 0x7f1b32a7ead0>

Setelah selesai proses training, kita akan evaluasi seberapa akurat model.

test_loss, test_acurracy = model.evaluate(X_test, y_test)

782/782 [==============================] - 21s 27ms/step - loss: 0.4415 - accuracy: 0.8152

print("Test accuracy: {}".format(test_acurracy))

Test accuracy: 0.8527600169181824

Hasil akurasi cukup tinggi, walaupun lebih rendah dari akurasi training. Ada kemungkinan saat melakukan training terjadi overfitting.

SIlakan bereksperimen dengan hyper parameter seperti ukruan batch, activation function ataupun optimizer.

File colab dapat diakses di https://colab.research.google.com/drive/11V0mfNKISPOcu8VSYPWL_G8ZJXPDUPHd?usp=sharing