如何使用 Python 中的 TensorFlow 來比較線性模型和卷積模型？

Tensorflow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用以實現演算法、深度學習應用程式等等。它用於研究和生產目的。

可以使用以下程式碼行在 Windows 上安裝“tensorflow”包：

pip install tensorflow

Tensor 是 TensorFlow 中使用的資料結構。它有助於連線流圖中的邊。此流圖稱為“資料流圖”。Tensor 不過是一個多維陣列或列表。

它們可以透過三個主要屬性來識別：

  • 秩 - 它說明了張量的維度。可以理解為張量的階數或已定義張量的維度數。

  • 型別 - 它說明了與 Tensor 元素相關聯的資料型別。它可以是一維、二維或 n 維張量。

  • 形狀 - 它是行數和列數的總和。

Keras 是作為 ONEIROS（開放式神經電子智慧機器人作業系統）專案研究的一部分開發的。Keras 是一個用 Python 編寫的深度學習 API。它是一個高階 API，具有高效的介面，有助於解決機器學習問題。它執行在 TensorFlow 框架之上。它是為了幫助快速進行實驗而構建的。它提供了開發和封裝機器學習解決方案所必需的基本抽象和構建塊。

我們正在使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助透過瀏覽器執行 Python 程式碼，無需任何配置即可免費訪問 GPU（圖形處理單元）。Colaboratory 是建立在 Jupyter Notebook 之上的。

示例

Following is the code snippet:
print(“The two models are compared")
print("Linear model on binary vectorized data:")
print(binary_model.summary())
print("ConvNet model on int vectorized data:")
print(int_model.summary())

程式碼來源 - https://www.tensorflow.org/tutorials/load_data/text

輸出

The two models are compared
Linear model on binary vectorized data:
Model: "sequential"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
dense (Dense) (None, 4) 40004
=================================================================
Total params: 40,004
Trainable params: 40,004
Non-trainable params: 0
_________________________________________________________________
None
ConvNet model on int vectorized data:
Model: "sequential_1"
_________________________________________________________________
Layer (type)             Output Shape          Param #
=================================================================
embedding (Embedding) (None, None, 64)          640064
_________________________________________________________________
conv1d (Conv1D)       (None, None, 64)          20544
_________________________________________________________________
global_max_pooling1d (Global (None, 64)          0
_________________________________________________________________
dense_1 (Dense)       (None, 4)                260
=================================================================
Total params: 660,868
Trainable params: 660,868
Non-trainable params: 0
_________________________________________________________________
None

解釋

  • 比較了向量化的“二進位制”模型和向量化的“整數”模型。

  • 使用“summary”方法在控制檯上顯示此比較。

更新於：2021年1月19日

98 次檢視

開啟你的 職業生涯

透過完成課程獲得認證

開始學習
廣告