如何使用 Python 中的 TensorFlow 来比较线性模型和卷积模型？

Tensorflow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用以实现算法、深度学习应用程序等等。它用于研究和生产目的。

可以使用以下代码行在 Windows 上安装“tensorflow”包：

pip install tensorflow

Tensor 是 TensorFlow 中使用的数据结构。它有助于连接流图中的边。此流图称为“数据流图”。Tensor 不过是一个多维数组或列表。

它们可以通过三个主要属性来识别：

  • 秩 - 它说明了张量的维度。可以理解为张量的阶数或已定义张量的维度数。

  • 类型 - 它说明了与 Tensor 元素相关联的数据类型。它可以是一维、二维或 n 维张量。

  • 形状 - 它是行数和列数的总和。

Keras 是作为 ONEIROS（开放式神经电子智能机器人操作系统）项目研究的一部分开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的界面，有助于解决机器学习问题。它运行在 TensorFlow 框架之上。它是为了帮助快速进行实验而构建的。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。

我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助通过浏览器运行 Python 代码，无需任何配置即可免费访问 GPU（图形处理单元）。Colaboratory 是建立在 Jupyter Notebook 之上的。

示例

Following is the code snippet:
print(“The two models are compared")
print("Linear model on binary vectorized data:")
print(binary_model.summary())
print("ConvNet model on int vectorized data:")
print(int_model.summary())

代码来源 - https://tensorflowcn.cn/tutorials/load_data/text

输出

The two models are compared
Linear model on binary vectorized data:
Model: "sequential"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
dense (Dense) (None, 4) 40004
=================================================================
Total params: 40,004
Trainable params: 40,004
Non-trainable params: 0
_________________________________________________________________
None
ConvNet model on int vectorized data:
Model: "sequential_1"
_________________________________________________________________
Layer (type)             Output Shape          Param #
=================================================================
embedding (Embedding) (None, None, 64)          640064
_________________________________________________________________
conv1d (Conv1D)       (None, None, 64)          20544
_________________________________________________________________
global_max_pooling1d (Global (None, 64)          0
_________________________________________________________________
dense_1 (Dense)       (None, 4)                260
=================================================================
Total params: 660,868
Trainable params: 660,868
Non-trainable params: 0
_________________________________________________________________
None

解释

  • 比较了矢量化的“二进制”模型和矢量化的“整数”模型。

  • 使用“summary”方法在控制台上显示此比较。

更新于：2021年1月19日

98 次查看

开启你的 职业生涯

通过完成课程获得认证

开始学习
广告