如何使用 Python 和 TensorFlow 评估测试数据上的两个模型?
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,可以实现算法、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
张量是 TensorFlow 中使用的一种数据结构。它有助于连接数据流图中的边。此数据流图称为“数据流图”。张量只不过是多维数组或列表。
我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码,无需任何配置,并且可以免费访问 GPU(图形处理单元)。Colaboratory 建立在 Jupyter Notebook 之上。
示例
以下是代码片段:
print("The model is being evaluated") binary_loss, binary_accuracy = binary_model.evaluate(binary_test_ds) int_loss, int_accuracy = int_model.evaluate(int_test_ds) print("The accuracy of Binary model is: {:2.2%}".format(binary_accuracy)) print("The accuracy of Int model is: {:2.2%}".format(int_accuracy))
代码来源:https://tensorflowcn.cn/tutorials/load_data/text
输出
The model is being evaluated 250/250 [==============================] - 3s 12ms/step - loss: 0.5265 - accuracy: 0.8110 250/250 [==============================] - 4s 14ms/step - loss: 0.5394 - accuracy: 0.8014 The accuracy of Binary model is: 81.10% The accuracy of Int model is: 80.14%
解释
评估了与 “二进制” 和 “整数” 向量化模型训练相关的损失和准确性。
此数据显示在控制台上。
广告