如何使用 tensorflow 将数据拆分为测试和训练

Question

我对张量流很陌生。 我参加了一个在线课程，但我仍然有很多与数据预处理相关的问题。 如果有人能帮助我，我将不胜感激！！

我的目标是训练一个模型，根据内部结构将葡萄牙语名词分为两个性别类别（女性和男性）。 因此，为此，我有一个包含大约 4300 个名词及其类别（F 和 M 标签）的文件。

第一个问题：我打开了名词文件，我首先标记了单词，然后填充了它们。 我有一个把标签放在一个单独的文件中。 标签文件是一个 txt 列表，其中包含标签“f”和“m”。 我已将它们转换为 0 和 1 整数，然后将它们转换为一个 numpy 数组。 我还将填充的名词转换为 numpy 数组。 那是对的吗？

奇怪的是我把epoch的数量设置为100，但是程序一直在训练……

第二个问题：

如何将我的火车和标签分成 test 和 test_labels？

到目前为止，我的代码如下：

from collections import defaultdict
import nltk
from nltk.tokenize import word_tokenize
from nltk.tokenize import sent_tokenize,wordpunct_tokenize
import re
import os
import sys
from pathlib import Path
import numpy as np
import numpy
import tensorflow as tf

while True:
    try:
        file_to_open =Path(input("Please, insert your file path: "))
        with open(file_to_open,'r', encoding="utf-8") as f:
            words = f.read()
            break         
    except FileNotFoundError:
        print("\nFile not found. Better try again")
    except IsADirectoryError:
        print("\nIncorrect Directory path.Try again")

corpus=words.split('\n')

labels = []
new_labels=[]
nouns = []
for i in corpus:
    if i == '0':
        labels.append(i)
    elif i== '1':
        labels.append(i)
    else:
        nouns.append(i)

for x in labels:
    new_labels.append(int(x))


training_labels= numpy.array(new_labels)

training_nouns=[]

for w in nouns:
    a=list(w)
    b=' '.join([str(elem) for elem in a]) + ',' + ' '
    training_nouns.append(b)

vocab_size = 10000
embedding_dim = 16
max_length = 120
trunc_type='post'
oov_tok = "<OOV>"


from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences

tokenizer = Tokenizer(num_words = vocab_size, oov_token=oov_tok)
tokenizer.fit_on_texts(training_nouns)
word_index = tokenizer.word_index
nouns_sequences = tokenizer.texts_to_sequences(training_nouns)
padded = pad_sequences(nouns_sequences,maxlen=max_length)

model = tf.keras.Sequential([
    tf.keras.layers.Embedding(vocab_size, embedding_dim, 
input_length=max_length),
    tf.keras.layers.GlobalAveragePooling1D(),
    tf.keras.layers.Dense(36, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=. 
 ['accuracy'])
model.summary()


training_padded = np.array(padded)

num_epochs = 150
model.fit(training_padded, training_labels, epochs=num_epochs)

Answer 1

如果你不应该使用 Tensorflow。 您可以像这样使用train_test_split scikit-learn函数（您可以继续使用 tensorflow）：

from sklearn.model_selection import train_test_split
train_data,train_labels,test_data,test_labels=train_test_split(YOUR DATA,YOUR LABELS)

请参阅此处了解更多信息。