《Python 深度学习》7.2.2 TensorBoard简介（代码）

最新推荐文章于 2024-08-19 15:45:05 发布

布拉格沃兹基硕德

最新推荐文章于 2024-08-19 15:45:05 发布

阅读量1.5k

点赞数

分类专栏： Keras Python 文章标签：深度学习 python

本文链接：https://blog.csdn.net/baidu_30506559/article/details/121481235

版权

1. 使用了TensorBoard的文本分类模型

import keras
from keras import layers
from keras.datasets import imdb
from keras.preprocessing import sequence

max_features = 2000 #作为特征的单词个数
max_len = 500 #在这么多单词之后截断文本

(x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)
x_train = sequence.pad_sequences(x_train, maxlen=max_len)
print(x_train.shape)    #(25000, 500)
x_test = sequence.pad_sequences(x_test, maxlen=max_len)
print(x_test.shape)

(25000, 500)

(25000, 500)

model = keras.models.Sequential()
model.add(layers.Embedding(max_features, 128, input_length=max_len, name='embed'))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.MaxPooling1D(5))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.GlobalMaxPooling1D())
model.add(layers.Dense(1))
model.summary()
#由于电脑内存过小，无法写入