如何使用Python使用Tensorflow预测stackoverflow问题数据集的每个标签的分数？

Tensorflow是由Google提供的机器学习框架。 它是与Python一起使用的开源框架，用于实现算法，深度学习应用程序等。 它被用于研究和生产目的。 它具有优化技术，可帮助快速执行复杂的数学运算。 这是因为它使用NumPy和多维数组。 这些多维数组也称为“张量”。 该框架支持使用深度神经网络工作。

以下代码可在Windows上安装“tensorflow”程序包-

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。这个流程图被称为“数据流图”。张量只是多维数组或列表。

它们可以使用三个主要属性进行识别 –

• 等级 − 它告诉张量的维度。 它可以理解为已定义的张量中的张量的顺序或维度的数量。

• 类型 − 它指的是与Tensor元素相关联的数据类型。 它可以是一维，二维或N维张量。

• 形状 − 它是行数和列数的总和。

我们正在使用Google Colaboratory运行下面的代码。 Google Colab或Colaboratory可在浏览器上运行Python代码，要求零配置，并免费访问GPU（图形处理单元）。 Colaboratory是在Jupyter Notebook的基础上构建的。

更多Python相关文章，请阅读：Python 教程

示例

以下是代码片段-

print("预测每个标签的得分")
def get_string_labels(predicted_scores_batch):
   predicted_int_labels = tf.argmax(predicted_scores_batch, axis=1)
   predicted_labels = tf.gather(raw_train_ds.class_names, predicted_int_labels)
   return predicted_labels

代码信用- https://www.tensorflow.org/tutorials/load_data/text

输出

预测每个标签的得分

说明

• 在构建的模型上调用“预测”方法。

• 这将以原始字符串作为输入并为每个标签预测得分。

• 函数查找具有最大分数的标签。

• 这些数据会显示在控制台上。