极客教程如何使用Python比较线性模型和卷积模型中Tensorflow？
Tensorflow是由Google提供的机器学习框架，它是一个开源框架，与Python一起用于实现算法、深度学习应用等等。它被用于研究和生产目的。
使用以下代码来在Windows上安装‘tensorflow’包
pip install tensorflow
张量是TensorFlow中使用的数据结构。它有助于连接流程图中的边缘。这个流程图被称为‘数据流图’。张量不过是一个多维数组或列表。
它们可以使用三个主要属性进行识别-
- 级别 − 它告诉张量的维数。它可以理解为已定义的张量中的张量的秩或维数的数量。
-
类型 − 它告诉有关张量元素的数据类型。它可以是一维、二维或n维张量。
-
形状 − 它是指行数和列数之和。
Keras是作为ONEIROS项目（Open ended Neuro-Electronic Intelligent Robot Operating System）的一部分开发的。Keras是一个使用Python编写的深度学习API，它是一个高级API，具有有助于解决机器学习问题的生产接口。它在Tensorflow框架上运行。它的目的是帮助快速实验。它提供了必要的抽象和构建块，在开发和封装机器学习解决方案方面是必不可少的。
我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，零配置，免费访问GPU（图形处理单元）。Colaboratory是建立在Jupyter Notebook之上的。
更多Python相关文章，请阅读：Python 教程
示例
以下是代码片段:
print(“The two models are compared")
print("Linear model on binary vectorized data:")
print(binary_model.summary())
print("ConvNet model on int vectorized data:")
print(int_model.summary())
代码来源- https://www.tensorflow.org/tutorials/load_data/text
结果
比较两种模型
二进制向量化数据上的线性模型：
模型：“sequential”
_________________________________________________________________
层 (type) 输出形状 参数 %
=================================================================
dense (Dense)（无，4） 40004
=================================================================
总参数：40,004
可训练参数：40,004
不可训练参数：0
_________________________________________________________________
无
int向量化数据上的ConvNet模型：
模型：“sequential_1”
_________________________________________________________________
层 (type) Output Shape Param #
=================================================================
embedding (Embedding)（None，None，64）640064
_________________________________________________________________
conv1d (Conv1D)（None，None，64）20544
_________________________________________________________________
global_max_pooling1d (Global（None，64）0
_________________________________________________________________
dense_1(Dense)（不，4）260
=================================================================
总参数：660,868
可训练参数：660,868
不可训练参数：0
_________________________________________________________________
无
解释
-
向量化的“二进制”模型和向量化的“整型”模型进行了比较。
-
使用“summary”方法将这种比较显示在控制台上。