可以使用Tensorflow和预训练模型通过`image_dataset_from_directory`方法构建训练和验证数据集。此方法将批次大小、图像大小以及是否需要混洗作为参数，以及分别作为训练数据或验证数据。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将了解如何利用来自预训练网络的迁移学习对猫和狗的图像进行分类。图像分类迁移学习背后的直觉是，如果一个模型在一个大型且通用的数据集上进行训练，…… 阅读更多

可以使用Tensorflow和预训练网络进行迁移学习，通过Keras包中的`get_file`方法加载数据。一个Google API保存着数据集，它可以作为参数传递给`get_file`方法以将数据集下载到当前环境。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将了解如何利用来自预训练网络的迁移学习对猫和狗的图像进行分类。图像分类迁移学习背后的直觉是，如果一个模型在一个大型且通用的…… 阅读更多

可以使用Tensorflow和Estimator以及`sklearn.metrics`包中的`roc_curve`方法在泰坦尼克号数据集上找到ROC曲线。`plot`方法绘制数据，`show`方法用于在控制台上显示此图。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建一个用于处理简单层堆栈的顺序模型，其中每一层只有一个输入张量和一个输出张量。包含…… 阅读更多

可以使用Tensorflow和Estimator以及之前创建的估计器`BoostedTreesClassifier`并调用其`predict`方法来预测泰坦尼克号数据集的输出。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建一个用于处理简单层堆栈的顺序模型，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络被称为卷积层。我们可以使用卷积神经网络…… 阅读更多

可以使用Tensorflow和Estimator以及`BoostedTreesClassifier`与提升树一起训练和评估模型。此估计器与`train`方法和`evaluate`方法一起使用，分别用于训练和评估数据集。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建一个用于处理简单层堆栈的顺序模型，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络…… 阅读更多

可以使用Tensorflow以及分别使用`train`方法和`evaluate`方法来训练和评估泰坦尼克号数据集。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建一个用于处理简单层堆栈的顺序模型，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络被称为卷积层。我们可以使用卷积神经网络来构建学习模型。我们使用Google…… 阅读更多

可以使用Tensorflow和Estimator定义用于数据集训练和评估的输入函数，该函数使用特征和标签生成字典。这是使用`from_tensor_slices`方法实现的。此函数还将对数据集中的数据进行混洗，并定义训练步骤的数量。最后，此函数将有关数据集的组合数据作为输出返回。此函数通过向其传递训练数据集来调用。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建…… 阅读更多

可以使用Tensorflow和Estimator以及`DenseFeatures`方法查看数据集的所有特征列。此数据被转换为Numpy数组，以便可以在控制台上查看。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建一个用于处理简单层堆栈的顺序模型，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络…… 阅读更多

可以使用Tensorflow和Estimator转换特征列，方法是首先将数据集的第一行转换为字典，然后使用独热编码来转换此特征列，即“性别”列。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建一个用于处理简单层堆栈的顺序模型，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络…… 阅读更多

可以使用Tensorflow和Estimator以及独热编码方法创建特征列和输入函数。`feature_column.indicator_column`用于返回此独热编码技术的输出。阅读更多：什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？我们将使用Keras Sequential API，这有助于构建一个用于处理简单层堆栈的顺序模型，其中每一层只有一个输入张量和一个输出张量。包含至少一层的神经网络被称为卷积层。我们可以使用…… 阅读更多