加载 IMDB 数据集

TensorFlow NLP 文档

TensorFlow 是一个广泛使用的开源机器学习框架，特别适用于深度学习。TensorFlow NLP（Natural Language Processing）是 TensorFlow 的一部分，专门用于处理和生成自然语言数据。

快速开始

1. 安装 TensorFlow

   • 使用 pip 安装 TensorFlow：pip install tensorflow
   • 验证安装：python -c "import tensorflow as tf; print(tf.__version__)"

2. 基本用法

   • 导入 TensorFlow：import tensorflow as tf
   • 创建一个简单的序列模型：model = tf.keras.Sequential([...])
   • 编译模型：model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
   • 训练模型：model.fit(x_train, y_train, epochs=5)
   • 评估模型：model.evaluate(x_test, y_test)

示例

以下是一个简单的文本分类示例：

import tensorflow as tf


(train_data, train_labels), (test_data, test_labels) = tf.keras.datasets.imdb.load_data(num_words=10000)

# 将整数编码为向量
train_data = tf.keras.utils.to_categorical(train_data, num_classes=10)
test_data = tf.keras.utils.to_categorical(test_data, num_classes=10)

# 创建模型
model = tf.keras.Sequential([
    tf.keras.layers.Embedding(10000, 16),
    tf.keras.layers.GlobalAveragePooling1D(),
    tf.keras.layers.Dense(16, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(train_data, train_labels, epochs=5)

# 评估模型
test_loss, test_acc = model.evaluate(test_data, test_labels)
print('Test accuracy:', test_acc)

扩展阅读

更多关于 TensorFlow NLP 的文档和示例，请访问我们的官方文档。

TensorFlow Logo