Tensorflow 是 Google 提供的机器学习框架。它是一个与 Python 结合使用以实现算法、深度学习应用程序等的开源框架。它用于研究和生产目的。
可以使用以下代码行在 Windows 上安装“tensorflow”包 -
pip install tensorflow
Tensor 是 TensorFlow 中使用的一种数据结构。它有助于连接流程图中的边。该流程图被称为“数据流图”。张量只不过是一个多维数组或列表。
可以使用三个主要属性来识别它们 -
Rank - 它讲述了张量的维度。可以理解为已经定义的张量的阶数或张量中的维数。
类型- 它讲述了与张量元素相关的数据类型。它可以是一维、二维或 n 维张量。
形状- 它是行数和列数。
Keras 是一个深度学习 API，它是用 Python 编写的。它是一种高级 API，具有有助于解决机器学习问题的高效界面。它运行在 Tensorflow 框架之上。它旨在帮助快速进行实验。它提供了在开发和封装机器学习解决方案中必不可少的基本抽象和构建块。
它具有高度可扩展性，并具有跨平台功能。这意味着 Keras 可以在 TPU 或 GPU 集群上运行。Keras 模型也可以导出以在 Web 浏览器或手机中运行。
Keras 已经存在于 Tensorflow 包中。可以使用以下代码行访问它。
import tensorflow from tensorflow import keras
与使用顺序 API 创建的模型相比，Keras 函数式 API 有助于创建更灵活的模型。函数式 API 可以处理具有非线性拓扑结构的模型，可以共享层并处理多个输入和输出。深度学习模型通常是包含多个层的有向无环图 (DAG)。函数式 API 有助于构建层图。
我们正在使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，并且需要零配置和免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。以下是用于使用 Python 保存和序列化模型的 larn ho Keras 代码 -
print("Save the model to a file")
model.save("path_to_my_model")
print("Delete the model")
del model
print("Recreating the model from the saved model")
model = keras.models.load_model("path_to_my_model")代码信用 - https://www.tensorflow.org/guide/keras/functional
输出结果
Save the model to a file") INFO:tensorflow:Assets written to: path_to_my_model/assets Delete the model Recreating the model from the saved model
模型将保存到文件中。
该模型将被删除，以便可以从文件中保存的模型中重新创建它。
它是使用“load_model”方法重新创建的。