如何使用Python利用Tensorflow评估测试数据上的模型?

Tensorflow是谷歌提供的机器学习框架。它与Python一起使用，实现算法、深度学习应用等，并且是开源的。它被用于研究和生产目的。

可以使用以下代码在Windows上安装’tensorflow’软件包:

pip install tensorflow

TensorFlow中使用的数据结构是Tensor，它有助于连接流程图中的边缘。此流程图称为“数据流图”。Tensor实际上就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是在Jupyter Notebook之上构建的。

更多Python相关文章，请阅读：Python 教程

示例

以下是代码片段-

print("模型正在评估")
binary_loss, binary_accuracy = binary_model.evaluate(binary_test_ds)
int_loss, int_accuracy = int_model.evaluate(int_test_ds)

print("Binary模型的准确率为：{:2.2%}".format(binary_accuracy))
print("Int模型的准确率为：{:2.2%}".format(int_accuracy))

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

输出

模型正在评估
250/250 [==============================] - 3s 12ms/step - loss: 0.5265 - accuracy: 0.8110
250/250 [==============================] - 4s 14ms/step - loss: 0.5394 - accuracy: 0.8014
Binary模型的准确率为：81.10%
Int模型的准确率为：80.14%

解释

• 评估“二进制”和“int”向量化模型的训练损失和准确率。

• 将这些数据显示在控制台上。