Tensorflow如何用于使用Python导出构建的模型？
Tensorflow是Google提供的一种机器学习框架。它是一个开放源代码框架，与Python结合使用以实现算法，深度学习应用程序等等。它用于研究和生产目的。
可以使用下面的代码行在Windows上安装'tensorflow'软件包-
pip install tensorflow
Tensor是TensorFlow中使用的数据结构。它有助于连接流程图中的边缘。该流程图称为“数据流程图”。张量不过是多维数组或列表。
我们将使用Illiad的数据集，其中包含来自WilliamCowper，Edward（德比伯爵）和SamuelButler的三本翻译作品的文本数据。当给出单行文本时，训练模型以识别翻译器。使用的文本文件已经过预处理。这包括删除文档的页眉和页脚，行号和章节标题。
我们正在使用Google合作实验室来运行以下代码。GoogleColab或Colaboratory可以帮助通过浏览器运行Python代码，并且需要零配置和对GPU（图形处理单元）的免费访问。合作已建立在JupyterNotebook的基础上。
示例
以下是代码片段-
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')])代码信用-https://www.tensorflow.org/tutorials/load_data/text
输出结果
The customized pre-processing step The model is being exported
解释
如果我们希望模型将原始字符串作为输入，则需要创建一个'textVectorization'层，该层执行与预处理相同的功能。
该词汇表已经过训练，这意味着我们可以使用“set_vocabulary”方法来训练新词汇表。