Python 如何使用Python导出使用Tensorflow构建的模型？

Tensorflow是由Google提供的机器学习框架。它是一个开源框架，结合Python实现算法、深度学习应用等，可用于研究和生产目的。

‘tensorflow’ 包可以通过以下代码在Windows上安装 –

pip install tensorflow

Tensor是Tensorflow中使用的一种数据结构。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。

我们将使用伊利亚特的数据集，其中包含威廉·考珀、爱德华·德比伯爵和塞缪尔·巴特勒三个翻译作品的文本数据。该模型的训练目的是当给定一行文本时，能够识别出翻译者。使用的文本文件已经预处理过，包括去除了文档标题、页眉页脚、行号和章节标题等。

我们使用Google Colaboratory运行以下代码。Google Colab / Colaboratory可在浏览器上运行Python代码，并且不需要设置，可以免费访问GPU(图形处理器)。Colab已经构建在Jupyter笔记本之上。

阅读更多：Python 教程

示例

以下是代码段 –

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')])

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

输出

The customized pre-processing step
The model is being exported

解释

• 如果我们的模型要以原始字符串作为输入，我们需要创建一个‘textVectorization’层，它执行与预处理相同的功能。

• 词汇表已经被训练，这意味着我们可以使用‘set_vocabulary’方法来训练新的词汇表。