如何使用Python使用Tensorflow评估测试数据上的两个模型？
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 model is being evaluated")
binary_loss, binary_accuracy = binary_model.evaluate(binary_test_ds)
int_loss, int_accuracy = int_model.evaluate(int_test_ds)
print("The accuracy of Binary model is: {:2.2%}".format(binary_accuracy))
print("The accuracy of Int model is: {:2.2%}".format(int_accuracy))代码信用-https://www.tensorflow.org/tutorials/load_data/text
输出结果
The model is being evaluated 250/250 [==============================] - 3s 12ms/step - loss: 0.5265 - accuracy: 0.8110 250/250 [==============================] - 4s 14ms/step - loss: 0.5394 - accuracy: 0.8014 The accuracy of Binary model is: 81.10% The accuracy of Int model is: 80.14%
解释
评估了与针对“二进制”和“int”矢量化模型的训练相关的损失和准确性。
此数据显示在控制台上。