数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
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
服装学
法学如何使用 Python 导出 TensorFlow 构建的模型？
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 (Tensor) 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。这个数据流图被称为 ‘数据流图’。张量不过是一个多维数组或列表。
我们将使用伊利亚特的数据集，其中包含来自威廉·考珀、爱德华（德比伯爵）和塞缪尔·巴特勒的三部翻译作品的文本数据。该模型经过训练，可以识别在给出单行文本时翻译者是谁。使用的文本文件已经过预处理。这包括删除文档页眉和页脚、行号和章节标题。
我们使用 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，并可免费访问 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 customized pre-processing step")
preprocess_layer = TextVectorization(
max_tokens=vocab_size,
standardize=tf_text.case_fold_utf8,
split=tokenizer.tokenize,
output_mode='int',
output_sequence_length=MAX_SEQUENCE_LENGTH)
preprocess_layer.set_vocabulary(vocab)
print("The model is being exported")
export_model = tf.keras.Sequential(
[preprocess_layer, model,
layers.Activation('sigmoid')])代码来源：https://tensorflowcn.cn/tutorials/load_data/text
输出
The customized pre-processing step The model is being exported
解释
如果我们希望我们的模型接受原始字符串作为输入，我们需要创建一个 ‘textVectorization’ 层，它执行与预处理相同的函数。
词汇表已经过训练，这意味着我们可以使用 ‘set_vocabulary’ 方法来训练新的词汇表。
更新于：2021年1月19日
85 次浏览
广告