Tensorflow之基础函数解析1

1.tf.argmax

tf.argmax就是返回最大的那个数值所在的下标,axis=0:按列比较;axis=1:按行比较

 

2. tf.equal 

tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素,如果是相等的那就返回True,反之返回False,返回的值的矩阵维度和A是一样的;


3.tf.cast

tf.cast(x, dtype, name=None) 
        将x的数据格式转化成dtype.例如,原来x的数据格式是bool, 
        那么将其转化成float以后,就能够将其转化成0和1的序列;

 

4.tf.reduce_mean       

tf.reduce_mean:求均值


5.accuracy.eval

accuracy = tf.reduce_mean(tf.cast(correct_prediction, 'float'))

accuracy.eval:在一个Seesion里面“评估”tensor的值(其实就是计算)

accuracy.eval(feed_dict={X:X_train, Y:Y_train})

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorFlow Hub是一个开源的库,它提供了多个预训练的模型和数据集,可以用于各种机器学习任务。在本例子中,我们将使用TensorFlow Hub来加载一个已经训练好的文本嵌入模型,然后将其应用于情感分析任务。 首先,我们需要导入必要的库: ```python import tensorflow as tf import tensorflow_hub as hub import numpy as np ``` 然后,我们定义一个情感分析模型: ```python def sentiment_analysis(text): module_url = "https://tfhub.dev/google/tf2-preview/gnews-swivel-20dim/1" embed = hub.KerasLayer(module_url, output_shape=[20], input_shape=[], dtype=tf.string) model = tf.keras.Sequential() model.add(embed) model.add(tf.keras.layers.Dense(16, activation='relu')) model.add(tf.keras.layers.Dense(1, activation='sigmoid')) model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) model.load_weights('sentiment_analysis_model.h5') return model.predict([text])[0][0] ``` 在这个模型中,我们使用了一个已经训练好的文本嵌入模型`gnews-swivel-20dim`,它可以将输入的文本转换为20维的向量。然后,我们在这个模型的基础上构建了一个神经网络,使用ReLU作为激活函数,最终输出一个0到1之间的概率值,表示输入文本的情感极性。最后,我们加载了已经训练好的模型权重,以便我们可以直接使用这个模型进行预测。 最后,我们可以使用这个模型进行情感分析: ```python text = "I love this product" sentiment = sentiment_analysis(text) if sentiment > 0.5: print("Positive") else: print("Negative") ``` 在这个例子中,我们输入了一个文本“I love this product”,模型输出了一个0.9左右的概率值,表示这个文本是积极的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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