如何使用Python编译和拟合模型？

Tensorflow是由Google提供的机器学习框架，是一个开源框架，与Python一起使用来实现算法、深度学习应用等。它被用于研究和生产目的。

它具有优化技术，有助于快速执行复杂的数学运算。

这是因为它使用NumPy和多维数组。这些多维数组也被称为“张量”。该框架支持使用深度神经网络。它高度可扩展，并带有许多流行的数据集。它使用GPU计算并自动管理资源。它配备了大量机器学习库，并且得到了良好的支持和文档。该框架具有运行深度神经网络模型、训练它们和创建预测相应数据集相关特征的应用程序的能力。

可以使用以下代码在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”。张量只是一个多维数组或列表。

我们使用Google Colaboratory 来运行以下代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，不需要任何配置，并且可以免费访问GPU（图形处理单元）。Colaboratory建立在Jupyter Notebook之上。以下是代码片段 −

更多Python相关文章，请阅读：Python 教程

示例

print("vocab_size实际上是vocab_size+1，因为0用作填充")
int_model = create_model(vocab_size=VOCAB_SIZE + 1, num_labels=4)
print("模型已经编译")
int_model.compile(
   loss=losses.SparseCategoricalCrossentropy(from_logits=True),
   optimizer='adam',
   metrics=['accuracy'])
print("模型已经拟合数据")
history = int_model.fit(int_train_ds, validation_data=int_val_ds, epochs=5)

代码引用 − https://www.tensorflow.org/tutorials/load_data/text

输出

vocab_size实际上是vocab_size+1，因为0用作填充
模型已经编译
模型已经拟合数据
Epoch 1/5
188/188 [==============================] - 7s 37ms/step - loss: 1.3020 - accuracy: 0.3877 -
val_loss: 0.8041 - val_accuracy: 0.6625
Epoch 2/5
188/188 [==============================] - 5s 25ms/step - loss: 0.7200 - accuracy: 0.7003 -
val_loss: 0.5815 - val_accuracy: 0.7685
Epoch 3/5
188/188 [==============================] - 5s 25ms/step - loss: 0.4517 - accuracy: 0.8471 -
val_loss: 0.5137 - val_accuracy: 0.8040
Epoch 4/5
188/188 [==============================] - 5s 25ms/step - loss: 0.2709 - accuracy: 0.9311 -
val_loss: 0.5091 - val_accuracy: 0.8065
Epoch 5/5
188/188 [==============================] - 5s 25ms/step - loss: 0.1453 - accuracy: 0.9717 -
val_loss: 0.5320 - val_accuracy: 0.8025

说明

• 使用“create_model”方法创建模型。

• 使用“compile”方法编译该模型。

• 调用这个已经编译的模型的“fit”方法来将数据适配到模型上。