ML
文章平均质量分 94
ShadowCui
这个作者很懒,什么都没留下…
展开
-
Tensorflow学习:使用TF Hub进行文本分类
简介使用Tensorflow Hub和Keras进行迁移学习的基本应用使用来源于网络电影数据库的IMDB数据集,其中包含50,000条影评文本。从该数据集切割出的25,000条评论用作训练,另外25,000条用作测试。训练集和测试集是平衡的,意味着它们包含相等数量的积极和消极评论本次使用tf.keras,是一个Tensorflow中用于构建和训练模型的高级API,此外还是用了Tensorflow Hub,一个用于迁移学习的库和平台。import numpy as npimport tensorfl转载 2021-01-18 15:47:00 · 498 阅读 · 0 评论 -
Tensorflow学习:基本文本分类
此笔记本(notebook)使用评论文本将影评分为*积极(positive)或消极(nagetive)两类。这是一个二元(binary)*或者二分类问题,一种重要且应用广泛的机器学习问题。准备工作导入所需库import tensorflow as tffrom tensorflow import kerasimport numpy as np导入数据集imdb = keras.datasets.imdb(train_data, train_labels), (test_data, te原创 2021-01-18 11:22:31 · 430 阅读 · 0 评论 -
Tensorflow学习:基本图像分类
准备工作导入所用库# import tensorflow and tf.kerasimport tensorflow as tffrom tensorflow import keras# Helper librariesimport numpy as npimport matplotlib.pyplot as plt准备数据集导入Fashion MNIST数据集使用Fashion MNIST数据集,该数据集中包含10个类别的70,000个灰度图像。这些图像以低分辨率(28x28像素)原创 2021-01-16 17:32:43 · 1042 阅读 · 1 评论