golang调用tensorflow/keras训练的模型

本文介绍了如何在Golang中利用预先用Keras训练的模型进行文本二分类任务。首先,详细说明了安装TensorFlow和Golang的步骤,接着以Keras的imdb_cnn.py示例模型进行训练,生成包含.pd文件和variables的cnnModel文件夹。然后在Golang环境中使用该模型,实现预测。测试结果显示,在仅使用CPU的情况下,对于6万个样本的200长度padding文本,Python完成预测用时110秒,而Golang仅需30秒,表明Golang在执行效率上有显著优势,特别是在图像识别任务上,速度差距可能更大。
摘要由CSDN通过智能技术生成

1.  安装tensorflow和golang(参考https://tensorflow.google.cn/install/install_go

2.  python训练模型,这里以keras example的imdb_cnn.py为例:

# coding:utf-8
import tensorflow as tf
from keras.models import Sequential
from keras.layer import Embedding, Dropout, Conv1D, Dense, GlobalMaxPooling1D
from keras.preprocessing import sequence
from keras.datasets import imdb
from keras import backend as  K

# 代码源于keras example的 imdb_cnn.py
max_features = 5000
maxlen = 20
batch_size = 32
embedding_dims = 50
filters = 250
kernel_size = 3
hidden_dims = 250
epochs = 2

# 读取数据
print('Loading data...')
(x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)
print(len(x_train), 'train sequences')
print(len(x_test), 'test sequences')

print('Pad sequences (samples x tim
  • 3
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值