TensorFlow เฟรมเวิร์ก ML จาก Google Open Source ใช้กับ Python อัลกอริทึม Deep Learning งานวิจัยและ Production
ติดตั้ง tensorflow บน Windows:
pip install tensorflow
Tensor โครงสร้างข้อมูลใน TensorFlow (Data Flow Graph) เป็นอาร์เรย์หลายมิติ/ลิสต์
ใช้ Google Colab รันโค้ด (Python บนเบราว์เซอร์ ฟรี GPU บน Jupyter Notebook)
ตัวอย่างโค้ด
print("Testing the model with new data")
inputs = [
"how do I extract keys from a dict into a list?",
"debug public static void main(string[] args) {...}",
]
print("Predicting the scores ")
predicted_scores = export_model.predict(inputs)
print("Predicting the labels")
predicted_labels = get_string_labels(predicted_scores)
for input, label in zip(inputs, predicted_labels):
print("Question is: ", input)
print("The predicted label is : ", label.numpy())
Credit: TensorFlow Tutorials
ผลลัพธ์
Testing the model with new data
Predicting the scores
Predicting the labels
Question is: how do I extract keys from a dict into a list?
The predicted label is : b'python'
Question is: debug public static void main(string[] args) {...}
The predicted label is : b'java'
คำอธิบาย
เมื่อโค้ด Preprocessing อยู่ภายในโมเดล ช่วย Export โมเดลสำหรับ Production ได้ง่ายขึ้น
ลดความซับซ้อนในการ Deploy
ถ้า
TextVectorizationอยู่นอกโมเดล ช่วย Async CPU Processing และ Buffering ได้
