Python을 사용하여 빌드된 모델을 내보내는 데 Tensorflow를 어떻게 사용할 수 있습니까?

Tensorflow는 Google에서 제공하는 기계 학습 프레임워크입니다. 알고리즘, 딥 러닝 애플리케이션 등을 구현하기 위해 Python과 함께 사용되는 오픈 소스 프레임워크입니다. 연구 및 생산 목적으로 사용됩니다.

'tensorflow' 패키지는 아래 코드 줄을 사용하여 Windows에 설치할 수 있습니다. -

pip install tensorflow

Tensor는 TensorFlow에서 사용되는 데이터 구조입니다. 흐름도에서 가장자리를 연결하는 데 도움이 됩니다. 이 흐름도를 '데이터 흐름 그래프'라고 합니다. 텐서는 다차원 배열 또는 목록에 불과합니다.

William Cowper, Edward(Earl of Derby), Samuel Butler의 세 번역 작업에 대한 텍스트 데이터가 포함된 Illiad의 데이터 세트를 사용할 것입니다. 모델은 한 줄의 텍스트가 제공될 때 번역자를 식별하도록 훈련됩니다. 사용된 텍스트 파일은 전처리되었습니다. 여기에는 문서 머리글 및 바닥글, 줄 번호 및 장 제목 제거가 포함됩니다.

Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.

예시

다음은 코드 조각입니다 -

print("The customized pre-processing step")
preprocess_layer = TextVectorization(
   max_tokens=vocab_size,
   standardize=tf_text.case_fold_utf8,
   split=tokenizer.tokenize,
   output_mode='int',
   output_sequence_length=MAX_SEQUENCE_LENGTH)
preprocess_layer.set_vocabulary(vocab)
print("The model is being exported")
   export_model = tf.keras.Sequential(
   [preprocess_layer, model,
   layers.Activation('sigmoid')])

코드 크레딧 - https://www.tensorflow.org/tutorials/load_data/text

출력

The customized pre-processing step
The model is being exported

설명

• 모델이 원시 문자열을 입력으로 받도록 하려면 전처리와 동일한 기능을 수행하는 'textVectorization' 레이어를 만들어야 합니다.

• 어휘는 이미 학습되었으므로 'set_vocabulary' 메서드를 사용하여 새 어휘를 학습할 수 있습니다.