如何使用Python编译导出的模型？

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。

‘tensorflow’包可以使用以下代码在Windows上安装 −

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。这个流程图称为“数据流图”。张量仅仅是一个多维数组或列表。

它们可以使用三个主要属性来识别 −

• 等级 − 它告诉张量的维度。它可以理解为已定义的张量的张量次序或维度数量。

• 类型 − 它告诉张量元素关联的数据类型。它可以是一维、二维或n维张量。

• 形状 − 它是行和列的数量

我们将使用Illiad数据集，该数据集包含来自William Cowper、Edward（Earl of Derby）和Samuel Butler的三部作品的文本数据。当给出一行文字时，该模型被训练来识别翻译者。使用的文本文件已经经过了预处理。这包括删除文档标题和页脚，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是在Jupyter Notebook之上建立的。

更多Python相关文章，请阅读：Python 教程

示例

以下是代码片段 −

print("正在编译导出的模型")
export_model.compile(
   loss=losses.SparseCategoricalCrossentropy(from_logits=False),
   optimizer='adam',
   metrics=['accuracy'])

代码来源 − https://www.tensorflow.org/tutorials/load_data/text

输出

正在编译导出的模型

说明

• 一旦模型已导出，它就使用“compile”方法进行编译。