Deep Learning avec Keras et TensorFlow

192

Chapitre 5. Chargement et prétraitement de données avec TensorFlow

for X_batch, y_batch in train_set:

with tf.GradientTape() as tape:

y_pred = model(X_batch)

main_loss = tf.reduce_mean(loss_fn(y_batch, y_pred))

loss = tf.add_n([main_loss] + model.losses)

grads = tape.gradient(loss, model.trainable_variables)

optimizer.apply_gradients(zip(grads, model.trainable_variables))

Et voilà, vous savez à présent construire des pipelines d’entrée puissants à l’aide de

l’API Data ! Mais, pour le moment, nous n’avons utilisé que des chiers CSV. S’ils sont

répandus, simples et pratiques, ils sont en revanche peu efcaces et ont quelques dif

-

cultés avec ...