TensorFlow 是一个开源的机器学习框架，广泛应用于各种机器学习和深度学习任务。以下是 TensorFlow 的一些常用示例。

图像分类

图像分类是计算机视觉领域的一个基本任务。以下是一个简单的图像分类示例：

  • 使用 TensorFlow 和 Keras 进行图像分类。
  • 数据集：MNIST 手写数字数据集。
  • 模型：卷积神经网络 (CNN)。
import tensorflow as tf
from tensorflow.keras import datasets, layers, models

# 加载数据集
(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()

# 预处理数据
train_images = train_images.reshape((60000, 28, 28, 1))
test_images = test_images.reshape((10000, 28, 28, 1))

# 构建模型
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))

# 添加全连接层
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))

# 编译模型
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# 训练模型
model.fit(train_images, train_labels, epochs=5, validation_split=0.1)

# 评估模型
test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

文本分类

文本分类是自然语言处理领域的一个基本任务。以下是一个简单的文本分类示例：

  • 使用 TensorFlow 进行文本分类。
  • 数据集：IMDb 电影评论数据集。
  • 模型：循环神经网络 (RNN)。
import tensorflow as tf
from tensorflow.keras import layers, models

# 加载数据集
(train_data, train_labels), (test_data, test_labels) = tf.keras.datasets.imdb.load_data(num_words=10000)

# 预处理数据
train_data = tf.keras.preprocessing.sequence.pad_sequences(train_data, value=0, padding='post', maxlen=256)
test_data = tf.keras.preprocessing.sequence.pad_sequences(test_data, value=0, padding='post', maxlen=256)

# 构建模型
model = models.Sequential()
model.add(layers.Embedding(10000, 16))
model.add(layers.Bidirectional(layers.LSTM(32)))
model.add(layers.Dense(16, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))

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

# 训练模型
model.fit(train_data, train_labels, epochs=5, validation_split=0.2)

# 评估模型
test_loss, test_acc = model.evaluate(test_data,  test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

更多示例，请访问本站 TensorFlow 示例页面。