如何将 Tensorflow 与 Estimators 结合使用来显示有关数据集的元数据?
tensorflowserver side programmingprogramming更新于 2025/5/20 4:37:17
可以使用 ‘describe’ 方法显示有关数据集的元数据，也可以通过使用特定统计数据可视化数据集来显示。‘hist’ 方法可用于可视化特定列的直方图。
阅读更多:什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将使用 Keras Sequential API，它有助于构建用于处理普通层堆栈的顺序模型，其中每个层只有一个输入张量和一个输出张量。
包含至少一个层的神经网络称为卷积层。我们可以使用卷积神经网络构建学习模型。
我们使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，无需配置，可以免费访问 GPU(图形处理单元)。Colaboratory 建立在 Jupyter Notebook 之上。
让我们了解如何使用估算器。
估算器是 TensorFlow 对完整模型的高级表示。它旨在轻松扩展和异步训练。估算器使用特征列来描述模型如何解释原始输入特征。估算器需要一个数字输入向量，特征列将有助于描述模型应如何转换数据集中的每个特征。
示例
print("More data about age")
dftrain.age.hist(bins=20)
plt.show()
代码来源 −https://www.tensorflow.org/tutorials/estimator/boosted_trees
输出
解释
图表上直观显示了"年龄"列，以便您进一步了解乘客类型。
