Tensorflow如何用于使用Python导出构建的模型？

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。

可以使用下面的代码行在Windows上安装'tensorflow'软件包-

pip install tensorflow

Tensor是TensorFlow中使用的数据结构。它有助于连接流程图中的边缘。该流程图称为“数据流程图”。张量不过是多维数组或列表。

我们将使用Illiad的数据集，其中包含来自William Cowper，Edward（德比伯爵）和Samuel Butler的三本翻译作品的文本数据。当给出单行文本时，训练模型以识别翻译器。使用的文本文件已经过预处理。这包括删除文档的页眉和页脚，行号和章节标题。

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。

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')])

代码信用-https://www.tensorflow.org/tutorials/load_data/text

输出结果

The customized pre-processing step
The model is being exported

解释

• 如果我们希望模型将原始字符串作为输入，则需要创建一个'textVectorization'层，该层执行与预处理相同的功能。

• 该词汇表已经过训练，这意味着我们可以使用“ set_vocabulary”方法来训练新词汇表。