在TFLearn中，通過調(diào)用fit方法來訓練模型，通過調(diào)用evaluate方法來評估模型。以下是一個簡單的示例：
import tflearn
# 構建神經(jīng)網(wǎng)絡模型
net = tflearn.input_data(shape=[None, 784])
net = tflearn.fully_connected(net, 128, activation='relu')
net = tflearn.fully_connected(net, 10, activation='softmax')
net = tflearn.regression(net, optimizer='sgd', loss='categorical_crossentropy')
# 定義訓練集和測試集
X_train, Y_train, X_test, Y_test = ...
# 創(chuàng)建模型
model = tflearn.DNN(net)
# 訓練模型
model.fit(X_train, Y_train, n_epoch=10, batch_size=128, show_metric=True)
# 評估模型
metrics = model.evaluate(X_test, Y_test)
print("Test Accuracy:", metrics[0])
在訓練模型時，通過指定n_epoch來指定訓練的輪數(shù)，batch_size來指定每批的樣本數(shù)量，show_metric=True來顯示訓練過程中的度量指標。在評估模型時，通過調(diào)用evaluate方法傳入測試集的數(shù)據(jù)來評估模型的性能。
