資料結構
網路
關係型資料庫管理系統
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
法律研究如何在 Python 中使用 TensorFlow 建立一個圖表，以視覺化 IMDB 資料集中關於時間的準確率和損失？
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。
“IMDB”資料集包含超過 50,000 部電影的評論。此資料集通常與自然語言處理相關的操作一起使用。
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，並且無需任何配置即可免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。
以下是建立圖表以視覺化 IMDB 資料集中關於時間的準確率和損失的程式碼片段：
示例
history_dict = history.history
history_dict.keys()
acc = history_dict['binary_accuracy']
val_acc = history_dict['val_binary_accuracy']
loss = history_dict['loss']
val_loss = history_dict['val_loss']
epochs = range(1, len(acc) + 1)
plt.plot(epochs, loss, 'ro', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss with respect to time')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()程式碼來源 − https://www.tensorflow.org/tutorials/keras/text_classification
輸出
解釋
一旦資料已擬合到模型中，就需要比較實際值和預測值。
最好的方法是透過視覺化。
因此，“matplotlib”庫用於繪製訓練和驗證期間發生的損失關於時間的變化。
這基於訓練資料以適應模型所需的步驟（或時期）數量。
更新於： 2021年1月20日
77 次瀏覽
廣告