如何使用 Tensorflow 进行测试、重置模型和加载最新检查点?
Tensorflow 是 Google 提供的机器学习框架。它是一个开源框架，与 Python 结合使用，用于实现算法、深度学习应用程序等。它用于研究和生产目的。它具有优化技术，有助于快速执行复杂的数学运算。这是因为它使用 NumPy 和多维数组。这些多维数组也称为"张量"。该框架支持使用深度神经网络。它具有高度可扩展性，并附带许多流行的数据集。
可以使用以下代码行在 Windows 上安装 ‘tensorflow’包 −
pip install tensorflow
Keras 是作为 ONEIROS(开放式神经电子智能机器人操作系统)项目研究的一部分而开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的接口，可帮助解决机器学习问题。它运行在 Tensorflow 框架之上。它旨在帮助快速进行实验。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。
它具有高度可扩展性，并具有跨平台能力。这意味着 Keras 可以在 TPU 或 GPU 集群上运行。Keras 模型也可以导出以在 Web 浏览器或手机中运行。Keras 已经存在于 Tensorflow 包中。可以使用下面的代码行 − 来访问它
import tensorflow from tensorflow import keras
我们使用 Google Colaboratory 来运行下面的代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且不需要任何配置，并且可以免费访问 GPU(图形处理单元)。 Colaboratory 是基于 Jupyter Notebook 构建的。
以下是代码 −
示例
print("创建一个新的模型实例")
model = create_model()
print("已加载先前保存的权重")
model.load_weights(latest)
print("正在重新评估模型")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("这是恢复后的模型，准确率:{:5.3f}%".format(100 * acc))
代码来源 − https://www.tensorflow.org/tutorials/keras/save_and_load
输出
创建一个新的模型实例 加载之前保存的权重 正在重新评估模型 32/32 - 0s - loss: 0.4828 - sparse_categorical_accuracy: 0.8770 这是恢复后的模型，准确率为:87.700%
解释
再次使用‘create_model’创建实例的新模型方法。
使用‘load_weights’方法将之前保存的权重加载到此实例中。
使用‘evaluate’方法评估此新模型。
确定其在训练期间的准确性和损失。
这些值显示在控制台上。
