टेंसरफ्लो गूगल द्वारा प्रदान किया गया एक मशीन लर्निंग फ्रेमवर्क है। यह एक ओपन-सोर्स फ्रेमवर्क है जिसे पायथन के साथ उपयोग करके एल्गोरिदम, डीप लर्निंग एप्लिकेशन और बहुत कुछ लागू किया जाता है।
टेंसरफ्लो का उपयोग अनुसंधान और उत्पादन उद्देश्यों के लिए किया जाता है और इसमें ऑप्टिमाइज़ेशन तकनीकें हैं जो जटिल गणितीय संक्रियाओं को तेजी से करने में मदद करती हैं। ऐसा इसलिए है क्योंकि यह NumPy और बहुआयामी सरणियों का उपयोग करता है। इन बहुआयामी सरणियों को 'टेंसर' के रूप में भी जाना जाता है। फ्रेमवर्क डीप न्यूरल नेटवर्क के साथ काम करने का समर्थन करता है। यह अत्यधिक स्केलेबल है और कई लोकप्रिय डेटासेट के साथ आता है। यह GPU गणना का उपयोग करता है और संसाधनों के प्रबंधन को स्वचालित करता है। यह ढेर सारे मशीन लर्निंग लाइब्रेरी के साथ आता है, और अच्छी तरह से समर्थित और प्रलेखित है।
फ्रेमवर्क में डीप न्यूरल नेटवर्क मॉडल चलाने, उन्हें प्रशिक्षित करने और संबंधित डेटासेट की प्रासंगिक विशेषताओं की भविष्यवाणी करने वाले एप्लिकेशन बनाने की क्षमता है। 'टेंसरफ्लो' पैकेज को विंडोज पर निम्न कोड का उपयोग करके इंस्टॉल किया जा सकता है:
pip install tensorflow
टेंसर टेंसरफ्लो में उपयोग की जाने वाली एक डेटा संरचना है। यह फ्लो डायग्राम में एज को जोड़ने में मदद करता है। इस फ्लो डायग्राम को 'डेटा फ्लो ग्राफ' के रूप में जाना जाता है। टेंसर बहुआयामी सरणी या सूची के अलावा कुछ नहीं हैं। उन्हें तीन मुख्य विशेषताओं का उपयोग करके पहचाना जा सकता है:
- रैंक (Rank): यह टेंसर की आयामिता के बारे में बताता है। इसे टेंसर के क्रम या परिभाषित टेंसर में आयामों की संख्या के रूप में समझा जा सकता है।
- प्रकार (Type): यह टेंसर के तत्वों से जुड़े डेटा प्रकार के बारे में बताता है। यह एक-आयामी, दो-आयामी या n-आयामी टेंसर हो सकता है।
- आकार (Shape): यह पंक्तियों और स्तंभों की संख्या को एक साथ दर्शाता है।
केरस का ग्रीक में अर्थ 'हॉर्न' होता है। केरस को ONEIROS (ओपन एंडेड न्यूरो-इलेक्ट्रॉनिक इंटेलिजेंट रोबोट ऑपरेटिंग सिस्टम) परियोजना के शोध के हिस्से के रूप में विकसित किया गया था। केरस एक डीप लर्निंग API है, जिसे पायथन में लिखा गया है। यह एक उच्च-स्तरीय API है जिसमें एक उत्पादक इंटरफ़ेस है जो मशीन लर्निंग समस्याओं को हल करने में मदद करता है।
यह टेंसरफ्लो फ्रेमवर्क के शीर्ष पर चलता है। इसे त्वरित प्रयोग में मदद करने के लिए बनाया गया था। यह आवश्यक अमूर्तताएं और बिल्डिंग ब्लॉक प्रदान करता है जो मशीन लर्निंग समाधानों को विकसित करने और एनकैप्सुलेट करने में आवश्यक हैं। अत्यधिक स्केलेबल, और क्रॉस-प्लेटफॉर्म क्षमताओं के साथ आता है। इसका मतलब है कि केरस को TPU या GPU के क्लस्टर पर चलाया जा सकता है। केरस मॉडल को वेब ब्राउज़र या मोबाइल फोन पर चलाने के लिए भी निर्यात किया जा सकता है।
केरस पहले से ही टेंसरफ्लो पैकेज के भीतर मौजूद है। इसे निम्न कोड का उपयोग करके एक्सेस किया जा सकता है:
import tensorflow from tensorflow import keras
ऊपर, हमने केरस आयात किया।
