首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >问答首页 >如何在颤振中使用训练过的tensorflow模型?

如何在颤振中使用训练过的tensorflow模型?
EN

Stack Overflow用户
提问于 2021-03-04 03:59:43
回答 2查看 3.5K关注 0票数 5

我训练了一个tensorflow模型来预测输入文本的下一个单词。我将它保存为一个.h5文件。

我可以在另一个python代码中使用该模型来预测word,如下所示:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import numpy as np
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from keras.models import load_model

model = load_model('model.h5')
model.compile(
    loss = "categorical_crossentropy",
    optimizer = "adam",
    metrics = ["accuracy"]
)

data = open("dataset.txt").read()
corpus = data.lower().split("\n")
tokenizer = Tokenizer()
tokenizer.fit_on_texts(corpus)

seed_text = input()

sequence_text = tokenizer.texts_to_sequences([seed_text])[0]
padded_sequence = np.array(pad_sequences([sequence_text], maxlen = 11 -1))
predicted = np.argmax(model.predict(padded_sequence))

是否有一种方法可以直接使用颤振内部的模型,从TextField()获取输入,并按下按钮显示预测的单词??

EN

回答 2

Stack Overflow用户

发布于 2021-03-28 21:09:44

步骤

  1. 将模型转换为.tflite模型。
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# https://www.tensorflow.org/lite/convert/#convert_a_savedmodel_recommended_

import tensorflow as tf

# Convert the model
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir) # path to the SavedModel directory
tflite_model = converter.convert()

# Save the model.
with open('model.tflite', 'wb') as f:
  f.write(tflite_model)
  1. 将tflite模型添加到App目录中。我通常将模型添加到assets/目录中。
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
android/
assets/
    model.tflite
ios/
lib/
  1. 将tflite作为依赖项添加到pubspec.yaml
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
dependencies:
  flutter:
    sdk: flutter
  tflite: ^1.0.5
  .
  .
  1. 在您的省道脚本中运行推理。例如,下面的代码片段是关于如何在图像上运行推理的示例脚本,其中labels.txt是包含类的文本文件:
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import 'package:tflite/tflite.dart';
.
.
.

class _MyAppState extends State<MyApp> {
  . . .
  @override
  void initState() {
    super.initState();
    _loading = true;

    loadModel().then((value) {
      setState(() {
        _loading = false;
      });
    });
  }

  classifyImage(File image) async {
    var output = await Tflite.runModelOnImage(
      path: image.path,
      numResults: 2,
      threshold: 0.5,
      imageMean: 127.5,
      imageStd: 127.5,
    );
    setState(() {
      _loading = false;
      _outputs = output;
    });
  }

  loadModel() async {
    await Tflite.loadModel(
      model: "assets/model_unquant.tflite",
      labels: "assets/labels.txt",
    );
  }
  @override
  void dispose() {
    Tflite.close();
    super.dispose();
  }
 . . .
}

SideNote

tflite插件不支持文本分类AFAIK,如果您想专门进行文本分类,我建议使用tflite_flutter插件。下面是使用插件进行文本分类的文章的链接。

基于TensorFlow Lite插件的颤振文本分类

票数 3
EN

Stack Overflow用户

发布于 2021-03-28 20:34:03

不能在颤振中直接使用.h5文件。您需要将其转换为.tflite文件并使用该文件,或者创建REST .

将其转换为.tflite文件是最简单的。有关更多细节,您可以查看以下文章:https://medium.com/analytics-vidhya/run-cnn-model-in-flutter-10c944cadcba

如果您想创建一个REST ,请查看本文:https://medium.com/analytics-vidhya/deploy-ml-models-using-flask-as-rest-api-and-access-via-flutter-app-7ce63d5c1f3b

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/66474583

复制
相关文章
TensorFlow 2.0 - 自定义模型、训练过程
文章目录 1. 自定义模型 2. 学习流程 学习于:简单粗暴 TensorFlow 2 1. 自定义模型 重载 call() 方法,pytorch 是重载 forward() 方法 import tensorflow as tf X = tf.constant([[1.0, 2.0, 3.0],[4.0, 5.0, 6.0]]) y = tf.constant([[10.0],[20.0]]) class Linear(tf.keras.Model): def __init__(self):
Michael阿明
2021/02/19
9560
案例:数控机床主轴校准与颤振监测系统
提高生产数量与产品质量始终是制造业努力追求的目标,工业4.0更勾勒出智能制造的美好愿景,促使被制造业视为是重要生产设备的CNC工具机(数控机床)也得因应这样的趋势不断地精益求精。而数控机床制造商在积极改善自家机器性能并提升加工精度以符合客户需求的过程中,机器校准正确与否是影响加工精度的重要因素之一。但一直以来制造业都是靠累积多年经验的老师傅来进行机器校准,工厂每日必须先以这种传统作法来检查设备才能正式开工;如果该厂需要制造的产品种类较多,每一次产线调整时还得再次为机器重新设定与校准。如此不科学的作业模式既繁琐又费时,一旦作业程序有所疏失就会发生加工精度失准的问题。
SHOUT
2022/05/31
2.9K0
案例:数控机床主轴校准与颤振监测系统
镗刀在加工中出现颤振的主要原因分析
镗刀是采用的数显读数屏的精密镗头,在使用精镗刀加工时,也会出现不同的问题。加工中心镗孔时由于切屑的流出方向在不断地改变,所以刀尖、工件的冷却以及切屑的排出都要比车床加工时难的多。特别是用卧式加工中心进行钢的盲孔粗镗加工时,尤为困难。镗孔加工时最常出现的、也是最令人头疼的问题是颤振。今天我们来分析下镗刀发生颤振的主要原因有哪些:
lrglu
2022/05/16
2.6K0
镗刀在加工中出现颤振的主要原因分析
MCM数控机床切削颤振监测与大数据分析系统构建(一)
在金属切削加工过程中,刀具与工件之间剧烈的自激振动通常被称为“颤振”。机床颤振会使加工过程变得不稳定,造成加工表面质量和金属切削率的下降,引起加工工件的表面精度和光洁度下降,降低刀具使用寿命和生产率,严重时甚至会破坏刀具和机床。因此,颤振成为提高机床加工能力的最主要障碍。
SHOUT
2022/05/31
2.7K0
MCM数控机床切削颤振监测与大数据分析系统构建(一)
如何在PyCharm中配置Tensorflow环境[通俗易懂]
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/174880.html原文链接:https://javaforall.cn
全栈程序员站长
2022/09/27
6650
TensorFlow从1到2(七)回归模型预测汽车油耗以及训练过程优化
“回归”这个词,既是Regression算法的名称,也代表了不同的计算结果。当然结果也是由算法决定的。 不同于前面讲过的多个分类算法,回归模型的结果是一个连续的值。 实际上我们第一篇的房价预测就属于回归算法,如果把这个模型用于预测,结果是一个连续值而不是有限的分类。 从代码上讲,那个例子更多的是为了延续从TensorFlow 1.x而来的解题思路,我不想在这个系列的第一篇就给大家印象,TensorFlow 2.0成为了完全不同的另一个东西。在TensorFlow 2.0中,有更方便的方法可以解决类似问题。 回归算法在大多数机器学习课程中,也都是最早会学习的算法。所以对这个算法,我们都不陌生。 因此本篇的重点不在算法本身,也不在油耗的预测,而是通过油耗预测这样简单的例子,介绍在TensorFlow 2.0中,如何更好的对训练过程进行监控和管理,还有其它一些方便有效的小技巧。
俺踏月色而来
2019/05/09
1.5K0
TensorFlow从1到2(七)回归模型预测汽车油耗以及训练过程优化
基于tensorboard的模型训练过程可视化
2018年9月14日笔记 阅读本文的前提是已经阅读《基于tensorflow的一元二次方程回归预测》,文章链接:https://www.jianshu.com/p/b27860402fe3 本文使用tensorboard对一元二次方程回归预测的模型训练过程做可视化展现。
潇洒坤
2018/10/09
1.4K0
基于tensorboard的模型训练过程可视化
【tensorflow2.0】使用tensorflow-serving部署模型
TensorFlow训练好的模型以tensorflow原生方式保存成protobuf文件后可以用许多方式部署运行。
西西嘛呦
2020/08/26
1.7K0
TensorFlow中滑动平均模型介绍
其中a的取值范围[0,1],具体就是:本次滤波结果=(1-a)*本次采样值+a*上次滤波结果,采用此算法的目的是:
老潘
2018/06/21
1.6K0
TensorFlow中滑动平均模型介绍
教程 | 如何在手机上使用TensorFlow
翻译 | AI科技大本营 参与 | zzq 审校 | reason_W 我们知道,TensorFlow是一个深度学习框架,它通常用来在服务器上训练需要大量数据的大模型。随着智能手机的普及,人们也越来越
AI科技大本营
2018/04/26
2.6K0
教程 | 如何在手机上使用TensorFlow
使用tensorflow-serving部署模型
TensorFlow训练好的模型以tensorflow原生方式保存成protobuf文件后可以用许多方式部署运行。
lyhue1991
2020/07/20
1.4K0
使用tensorflow-serving部署模型
机器学习||CNC健康诊断云平台智能分析系统
机床被称为工业母机, 中国拥有世界最大的机床市场, 2016年底全国机床产量达到 270000 台,并每年高速的成长,预计到 2020 年机床年产量将会达到 304000 台。制造业需要大批高效、高性能、专用数控机床和柔性生产线,因此推进机床智能化,实现设备联网、健康诊断并利用云计算和大数据技术进行预测性维护与集群管理成为机床产业的重要议题之一。
SHOUT
2022/05/31
4.6K0
机器学习||CNC健康诊断云平台智能分析系统
使用TensorFlow训练图像分类模型的指南
众所周知,人类在很小的时候就学会了识别和标记自己所看到的事物。如今,随着机器学习和深度学习算法的不断迭代,计算机已经能够以非常高的精度,对捕获到的图像进行大规模的分类了。目前,此类先进算法的应用场景已经涵括到了包括:解读肺部扫描影像是否健康,通过移动设备进行面部识别,以及为零售商区分不同的消费对象类型等领域。
一点人工一点智能
2023/01/15
1.2K0
使用TensorFlow训练图像分类模型的指南
使用tensorflow搭建线性回归模型
上一阶段的数据分析学习因为工作原因耽误了,今天忙里偷个闲,重新开始了。 @猴子 求个第二关门票。
带萝卜
2020/10/26
9810
使用tensorflow搭建线性回归模型
【TensorFlow】使用迁移学习训练自己的模型
最近在研究tensorflow的迁移学习,网上看了不少文章,奈何不是文章写得不清楚就是代码有细节不对无法运行,下面给出使用迁移学习训练自己的图像分类及预测问题全部操作和代码,希望能帮到刚入门的同学。
刘早起
2020/04/23
2.2K0
如何在TensorFlow上高效地使用Dataset
【导读】近日,机器学习工程师Francesco Zuppichini发表一篇教程,讲解了在TensorFlow中高效地输入数据集的方法,作者首先抛弃了feed-dict(它太慢了),然后介绍Tenso
WZEARW
2018/04/13
10.4K0
如何在TensorFlow上高效地使用Dataset
教程 | TensorFlow 官方解读:如何在多系统和网络拓扑中构建高性能模型
选自Tensorflow 机器之心编译 参与:黄玉胜、黄小天 这个文档和附带的脚本详细介绍了如何构建针对各种系统和网络拓扑的高性能可拓展模型。这个技术在本文档中用了一些低级的 Tensorflow Python 基元。在未来,这些技术将被并入高级 API。 输入管道 性能指南阐述了如何诊断输入管道可能存在的问题及其最佳解决方法。在使用大量输入和每秒更高的采样处理中我们发现 tf.FIFOQueue 和 tf.train.queue_runner 无法使用当前多个 GPU 生成饱和,例如在使用 AlexNet
机器之心
2018/05/08
1.7K0
教程 | TensorFlow 官方解读:如何在多系统和网络拓扑中构建高性能模型
[Tensorflow] Tensorflow中模型保存与回收的简单总结
今天要聊得是怎么利用TensorFlow来保存我们的模型文件,以及模型文件的回收(读取)。刚开始接触TensorFlow的时候,没在意模型文件的使用,只要能顺利跑通代码不出bug就万事大吉,但是随着接触的数据量的增加以及训练时间的增长,万一中间由于各种原因(比如显卡线断了,电源线断了,手残点了X。。。,恩,没错都是我遇到的问题… ./摊手.sh)意外中断,而没有保存模型文件,那一刻想屎的心都有了。 那么问题来了,我们需要重头开始训练模型吗,答案肯定是不用的,当然前提是保存了模型文件。首先说一下这个模型文
用户1622570
2018/04/11
1.2K0
[Tensorflow] Tensorflow中模型保存与回收的简单总结
教程 | 如何在TensorFlow中高效使用数据集
选自TowardsDataScience 作者:Francesco Zuppichini 机器之心编译 处理并使用数据集是深度学习任务非常重要的组成部分。在本文中,作者 Francesco Zuppichini 将教你使用 TensorFlow 的内建管道向模型传递数据的方法,从此远离「feed-dict」。本文内容已更新至最新的 TensorFlow 1.5 版本。 相关代码地址:https://github.com/FrancescoSaverioZuppichini/Tensorflow-Datase
机器之心
2018/05/10
1.5K0
点击加载更多

相似问题

如何在颤振中建立模型

24

从以前训练过的模型Tensorflow预测

10

如何使用tensorflow和keras加快模型训练过程

10

如何运行有颤振的tensorflow浮石运动闪电模型?

10

编辑列表,如whatsapp颤振

11
添加站长 进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

扫码加入开发者社群
关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

扫码关注腾讯云开发者公众号
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文