資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何使用 Python 和 TensorFlow 配置 Stack Overflow 問題資料集？
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。它具有最佳化技術，有助於快速執行復雜的數學運算。這是因為它使用了 NumPy 和多維陣列。這些多維陣列也稱為“張量”。
該框架支援使用深度神經網路。它具有高度可擴充套件性，並附帶許多流行的資料集。它使用 GPU 計算並自動管理資源。它附帶大量機器學習庫，並且得到良好的支援和記錄。該框架能夠執行深度神經網路模型，訓練它們，並建立預測相應資料集相關特徵的應用程式。
可以使用以下程式碼行在 Windows 上安裝“tensorflow”包：
pip install tensorflow
張量是 TensorFlow 中使用的資料結構。它有助於在流程圖中連線邊。這個流程圖稱為“資料流圖”。張量只不過是多維陣列或列表。可以使用三個主要屬性來識別它們：
秩 - 它說明了張量的維度。可以理解為張量的階數或已定義的張量中的維度數。
型別 - 它說明了與張量元素關聯的資料型別。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。
我們正在使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助在瀏覽器上執行 Python 程式碼，並且無需任何配置即可免費訪問 GPU（圖形處理單元）。Colaboratory 基於 Jupyter Notebook 構建。
示例
以下是程式碼片段：
AUTOTUNE = tf.data.experimental.AUTOTUNE
print("The configure_dataset method is defined")
def configure_dataset(dataset):
return dataset.cache().prefetch(buffer_size=AUTOTUNE)
print("The function is called on training dataset")
binary_train_ds = configure_dataset(binary_train_ds)
print("The function is called on validation dataset")
binary_val_ds = configure_dataset(binary_val_ds)
print("The function is called on test dataset")
binary_test_ds = configure_dataset(binary_test_ds)
int_train_ds = configure_dataset(int_train_ds)
int_val_ds = configure_dataset(int_val_ds)
int_test_ds = configure_dataset(int_test_ds)程式碼來源 - https://www.tensorflow.org/tutorials/load_data/text
輸出
The configure_dataset method is defined The function is called on training dataset The function is called on validation dataset The function is called on test dataset
解釋
定義兩種方法以確保在載入資料時輸入或輸出不會阻塞非常重要。
“cache”方法即使在從磁碟載入資料後也會將其儲存在記憶體中。
這確保了資料在訓練過程中不會成為障礙。
“prefetch”方法在訓練過程中過載資料預處理和模型執行。
98 次檢視
