如何使用 Tensorflow 在 Python 中查找数据集中预处理层的状态？
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。它具有有助于快速执行复杂数学运算的优化技术。
这是因为它使用NumPy和多维数组。这些多维数组也称为“张量”。该框架支持使用深度神经网络。它具有高度可扩展性，并带有许多流行的数据集。它使用GPU计算并自动管理资源。它带有大量机器学习库，并且得到了很好的支持和记录。该框架能够运行深度神经网络模型、训练它们并创建应用程序来预测各个数据集的相关特征。
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。
我们正在使用GoogleColaboratory运行以下代码。GoogleColab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JupyterNotebook之上。以下是代码片段-
示例
print("A text-only dataset without labels is prepared")
train_text = raw_train_ds.map(lambda text, labels: text)
print("The adapt method is called")
binary_vectorize_layer.adapt(train_text)
int_vectorize_layer.adapt(train_text)
print("The result is displayed on the console")
def binary_vectorize_text(text, label):
text = tf.expand_dims(text, -1)
return binary_vectorize_layer(text), label代码信用-https://www.tensorflow.org/tutorials/load_data/text
输出结果
A text-only dataset without labels is prepared The adapt method is called The result is displayed on the console
解释
准备不使用标签的数据集。
对该数据调用名为“adapt”的方法。
这将使用模型的“二进制”格式对数据集进行矢量化。