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
法律研究如何使用Tensorflow建立輸入函式來訓練模型？
可以使用Tensorflow的‘from_tensor_slices’方法並建立一個包含鳶尾花資料集特徵的字典來建立一個用於訓練或評估模型的輸入函式。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
我們將使用Keras Sequential API，它有助於構建一個順序模型，用於處理簡單的層堆疊，其中每一層都只有一個輸入張量和一個輸出張量。
包含至少一層卷積層的神經網路稱為卷積神經網路。我們可以使用卷積神經網路來構建學習模型。
TensorFlow Text包含與文字相關的類和操作的集合，可用於TensorFlow 2.0。TensorFlow Text可用於預處理序列建模。
我們使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory幫助在瀏覽器上執行Python程式碼，無需任何配置，並且可以免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。
示例
print("Input function that is used to train or evaluate")
def input_fn(features, labels, training=True, batch_size=256):
dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
if training:
dataset = dataset.shuffle(1000).repeat()
return dataset.batch(batch_size)輸出
Input function that is used to train or evaluate
程式碼來源 −https://www.tensorflow.org/tutorials/estimator/premade#first_things_first
解釋
輸入函式可以生成特徵字典和標籤列表。
使用pandas載入資料，並在此記憶體資料的基礎上構建輸入管道。
更新於： 2021年2月22日
397 次檢視
廣告