示例 2 训练
训练函数
async function trainModel(model, inputs, labels, surface) {
const batchSize = 25;
const epochs = 100;
const callbacks = tfvis.show.fitCallbacks(surface, ['loss'], {callbacks:['onEpochEnd']})
return await model.fit(inputs, labels,
{batchSize, epochs, shuffle:true, callbacks:callbacks}
);
}
epochs 定义了模型将执行的迭代次数（循环）。
model.fit 是运行循环的函数。
callbacks 定义了当模型想要重绘图形时调用的回调函数。
测试模型
模型训练后，对其进行测试和评估很重要。
我们通过检查模型对一系列不同输入的预测来做到这一点。
但是，在此之前，我们必须对数据进行反归一化。
反归一化
let unX = tf.linspace(0, 1, 100);
let unY = model.predict(unX.reshape([100, 1]));
const unNormunX = unX.mul(inputMax.sub(inputMin)).add(inputMin);
const unNormunY = unY.mul(labelMax.sub(labelMin)).add(labelMin);
unX = unNormunX.dataSync();
unY = unNormunY.dataSync();
然后，我们可以查看结果。
绘制结果
const predicted = Array.from(unX).map((val, i) => {
return {x: val, y: unY[i]}
});
// 绘制结果
tfPlot([values, predicted], surface1)
