Tensorflow是Google提供的一种机器学习框架。它是一个开放源代码框架，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。它具有优化技术，可帮助快速执行复杂的数学运算。这是因为它使用NumPy和多维数组。这些多维数组也称为“张量”。该框架支持使用深度神经网络。它具有高度的可扩展性，并附带许多流行的数据集。
可以使用下面的代码行在Windows上安装'tensorflow'软件包-
pip install tensorflow
Keras是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。Keras是使用Python编写的深度学习API。它是一个高级API，具有可帮助解决机器学习问题的高效接口。它在Tensorflow框架之上运行。它旨在帮助快速进行实验。它提供了在开发和封装机器学习解决方案中必不可少的基本抽象和构建块。
它具有高度的可扩展性，并具有跨平台功能。这意味着Keras可以在TPU或GPU集群上运行。Keras模型也可以导出为在Web浏览器或手机中运行。Keras已经存在于Tensorflow软件包中。可以使用下面的代码行进行访问-
import tensorflow from tensorflow import keras
我们正在使用Google合作实验室来运行以下代码。Google Colab或Colaboratory可以帮助通过浏览器运行Python代码，并且需要零配置和对GPU（图形处理单元）的免费访问。合作已建立在Jupyter Notebook的基础上。
以下是代码-
print("A new model instance is created")
model = create_model()
print("The previously saved weights are loaded")
model.load_weights(latest)
print("The model is being re−evaluated")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("This is the restored model, with accuracy: {:5.3f}%".format(100 * acc))代码信用-https://www.tensorflow.org/tutorials/keras/save_and_load
输出结果
A new model instance is created The previously saved weights are loaded The model is being re-evaluated 32/32 - 0s - loss: 0.4828 - sparse_categorical_accuracy: 0.8770 This is the restored model, with accuracy:87.700%
同样，使用'create_model'方法创建实例的新模型。
使用“ load_weights”方法将先前保存的权重加载到该实例。
使用“评估”方法评估此新模型。
确定其准确性和训练过程中的损失。
这些值显示在控制台上。