import tensorflow as tfimport matplotlibpyplot as pltimport tensorflow as tfprintTensorFlow version tf__version__#from Deep_learning_method import convertfrom tensorflowkeraslayers import Dense Flatte

这是一个使用CNN对文本进行二分类的代码，主要包含以下步骤：

1. 加载数据：使用dataloader函数加载数据集，其中包括预处理后的文本和标签。

2. 数据预处理：使用tf-idf将文本数据转换为数值特征，reshape为CNN输入格式。

3. 模型搭建：使用继承Model的方式搭建CNN模型，包括卷积层、全连接层和输出层。

4. 模型训练：使用Adam优化器和二分类交叉熵损失函数进行模型训练，同时记录训练和验证集的loss和accuracy。

5. 模型评估：使用predict函数对验证集进行预测，并将预测结果与真实标签进行比较，绘制混淆矩阵和分类报告。

6. 可视化训练过程：绘制训练过程中loss和accuracy的变化曲线。

总的来说，这个代码使用CNN模型对文本进行二分类，并且使用了TensorFlow的一些高级API和函数，例如Model、tf.GradientTape和tf.data.Dataset等，同时也使用了一些机器学习的基础知识，例如tf-idf和二分类交叉熵损失函数等。