Многоклассовый классификатор с использованием Keras из «Глубокого обучения с помощью Python» дает совсем другую точность ⇐ Python

[Anonymous]

Ниже приведен код многоклассового классификатора из главы 4 книги Франсуа Шолле «Глубокое обучение с помощью Python». В учебнике упоминается, что этот код даст точность> 95%, но моя среда, похоже, застряла на 50%.
Версия Keras — 3.6
Tensorflow — 2.18
Аппаратное обеспечение — Apple M1 Pro

Код: Выделить всё

import keras
from tensorflow.keras.datasets import reuters
from tensorflow.keras.utils import to_categorical
import matplotlib.pyplot as plt
import numpy as np

(train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)

# multi hot encode text. Each sequence is a newswire article

def vectorize_sequences(sequences, dimension=10000):
results = np.zeros((len(sequences), dimension))
for i, sequence in enumerate(sequences):
for j in sequence:
results[i, j] = 1.
return results

x_train = vectorize_sequences(train_data)
x_test = vectorize_sequences(test_data)

# model definition

model = keras.Sequential([
layers.Dense(64, activation="relu"),
layers.Dense(64, activation="relu"),
layers.Dense(46, activation="softmax")
])

model.compile(
optimizer="rmsprop",
loss="categorical_crossentropy",
metrics=["accuracy"]
)

# setting aside validation set
x_val = x_train[:1000]
partial_x_train = x_train[1000:]
y_val = y_train[:1000]
partial_y_train = y_train[1000:]

# training the model

history = model.fit(
partial_x_train,
partial_y_train,
epochs=20,
batch_size=512,
validation_data=(x_val,y_val)
)

# plotting accuracy

acc = history_dict["accuracy"]
val_acc = history_dict["val_accuracy"]
plt.plot(epochs, acc, "bo", label="Training acc")
plt.plot(epochs, val_acc, "b", label="Validation acc")
plt.xlabel("Epochs")
plt.ylabel("Accuracy")
plt.legend()
plt.show()

Подробнее здесь: https://stackoverflow.com/questions/791 ... lds-very-d