如何使用Tensorflow进行测试、重置模型和加载最新的checkpoint?

Tensorflow是由Google提供的机器学习框架。它是一个开源框架，与Python一起使用来实现算法、深度学习应用等等。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’。这个框架支持与深度神经网络一起工作。它高度可扩展，并带有许多流行的数据集。

‘tensorflow’包可以使用下面的代码在Windows上安装-

pip install tensorflow

Keras是作为项目ONEIROS（开放式神经电子智能机器人操作系统）研究的一部分开发出来的。Keras是一个深度学习API，它是用Python编写的。它是一个高级API，具有实用的界面，有助于解决机器学习问题。它在Tensorflow框架上运行。它的建造是为了帮助快速实验。它提供了必要的抽象和构建块，这些构建块在开发和封装机器学习解决方案中是必不可少的。

它高度可扩展，并具有跨平台能力。这意味着Keras可以在TPU或GPU集群上运行。Keras模型也可以导出到Web浏览器或移动手机中运行。Keras已经包含在Tensorflow包中。可以使用下面的代码访问它-

import tensorflow
from tensorflow import keras

我们使用Google Colaboratory来运行下面的代码。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。

以下是代码-

更多Python相关文章，请阅读：Python 教程

示例

print("创建了一个新的模型实例")
model = create_model()
print("已加载先前保存的权重")
model.load_weights(latest)
print("正在重新评估模型")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("这是还原的模型，其准确率为： {:5.3f}%".format(100 * acc))

代码来源- https://www.tensorflow.org/tutorials/keras/save_and_load

输出

创建了一个新的模型实例
已加载先前保存的权重
正在重新评估模型
32/32 - 0s - loss: 0.4828 - sparse_categorical_accuracy: 0.8770
这是还原的模型，其准确率为：87.700%

解释

• 再次使用’create_model’方法创建新模型实例。

• 使用’load_weights’方法将先前保存的权重加载到此实例中。

• 使用’evaluate’方法评估此新模型。

• 确定训练中的准确率和损失。

• 这些值在控制台上显示。