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語言程式設計
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儲存和載入MNIST資料集的權重？
TensorFlow是由Google提供的機器學習框架。它是一個開源框架，與Python結合使用，可以實現演算法、深度學習應用程式等等。它被用於研究和生產環境。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。這些多維陣列也被稱為“張量”。
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。它有助於連線資料流圖中的邊。這個資料流圖被稱為“資料流圖”。張量只不過是多維陣列或列表。
當訓練時間過長時，模型往往會過擬合，並且在測試資料上的泛化能力較差。因此，訓練步驟的數量必須保持平衡。這意味著，必須考慮所有資料案例才能進行有效的訓練。這樣，模型在測試資料上的泛化能力更好。否則，可以進行正則化。
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，可以幫助解決機器學習問題。它執行在TensorFlow框架之上。它的構建是為了幫助快速實驗。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。
Keras已經存在於TensorFlow包中。可以使用以下程式碼行訪問它。
import tensorflow from tensorflow import keras
我們使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory有助於在瀏覽器上執行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。以下是程式碼片段：
示例
!pip install -q pyyaml h5py
import os
import tensorflow as tf
from tensorflow import keras
print("The version of Tensorflow is : ")
print(tf.version.VERSION)
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
print("Splitting training and test data")
train_labels = train_labels[:1000]
test_labels = test_labels[:1000]
print("Reshaping the training and test data")
train_images = train_images[:1000].reshape(-1, 28 * 28) / 255.0
test_images = test_images[:1000].reshape(-1, 28 * 28) / 255.0程式碼來源： https://www.tensorflow.org/tutorials/keras/save_and_load
輸出
解釋
匯入所需的包併為其設定別名。
獲取前1000個示例以提高執行速度。
瀏覽量：122
