如何使用Python训练Illiad数据集？

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。它可用于研究和生产。它有优化技术，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。这些多维数组也被称为“tensors”。该框架支持深度神经网络的工作。

使用以下代码在Windows上安装“tensorflow”包−

pip install tensorflow

Tensor是在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”。张量就是多维数组或列表。

我们将使用Illiad数据集，其中包含来自William Cowper、Edward Derby伯爵和Samuel Butler的三个翻译作品的文本数据。当给出一个单独的文本行时，将模型训练为识别翻译。所使用的文本文件已进行预处理。这包括删除文档头和页眉、行号和章节标题。

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，并且不需要任何配置和免费访问GPU（图形处理单元）。Colaboratory是建立在Jupyter Notebook之上的。

更多Python相关文章，请阅读：Python 教程

例子

以下是代码片段−

vocab_size += 2

print("对数据集进行更好的性能配置")
train_data = configure_dataset(train_data)
validation_data = configure_dataset(validation_data)

print("训练模型")
model = create_model(vocab_size=vocab_size, num_labels=3)
model.compile(
   optimizer='adam',
   loss=losses.SparseCategoricalCrossentropy(from_logits=True),
   metrics=['accuracy'])
print("使训练数据适合模型")
history = model.fit(train_data, validation_data=validation_data, epochs=3)

print("查找与训练相关的精度和损失")
loss, accuracy = model.evaluate(validation_data)

print("损失是 : ", loss)
print("精度是 : {:2.2%}".format(accuracy))

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

输出

对数据集进行更好的性能配置
训练模型
使训练数据适合模型
Epoch 1/3
697/697 [==============================] - 35s 17ms/step - loss: 0.6891 - accuracy: 0.6736 -
val_loss: 0.3718 - val_accuracy: 0.8404
Epoch 2/3
697/697 [==============================] - 8s 11ms/step - loss: 0.3149 - accuracy: 0.8713 -
val_loss: 0.3621 - val_accuracy: 0.8422
Epoch 3/3
697/697 [==============================] - 8s 11ms/step - loss: 0.2165 - accuracy: 0.9162 -
val_loss: 0.4002 - val_accuracy: 0.8404
查找与训练相关的精度和损失
79/79 [==============================] - 1s 2ms/step - loss: 0.4002 - accuracy: 0.8404
损失是 : 0.40021833777427673
精度是 : 84.04%