数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何在 Python 中使用 TensorFlow 创建一个图表，以可视化 IMDB 数据集中关于时间的准确率和损失？
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。
“IMDB”数据集包含超过 50,000 部电影的评论。此数据集通常与自然语言处理相关的操作一起使用。
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，并且无需任何配置即可免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。
以下是创建图表以可视化 IMDB 数据集中关于时间的准确率和损失的代码片段：
示例
history_dict = history.history
history_dict.keys()
acc = history_dict['binary_accuracy']
val_acc = history_dict['val_binary_accuracy']
loss = history_dict['loss']
val_loss = history_dict['val_loss']
epochs = range(1, len(acc) + 1)
plt.plot(epochs, loss, 'ro', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss with respect to time')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()代码来源 − https://tensorflowcn.cn/tutorials/keras/text_classification
输出
解释
一旦数据已拟合到模型中，就需要比较实际值和预测值。
最好的方法是通过可视化。
因此，“matplotlib”库用于绘制训练和验证期间发生的损失关于时间的变化。
这基于训练数据以适应模型所需的步骤（或时期）数量。
更新于： 2021年1月20日
77 次浏览
广告