Tensorflow का उपयोग बफर्ड प्रीफ़ेचिंग का उपयोग करके फ़ीचर एक्सट्रैक्टर बनाने के लिए किया जा सकता है। यह ट्रेन करने योग्य =गलत सेट करके किया जाता है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
एक तंत्रिका नेटवर्क जिसमें कम से कम एक परत होती है, एक दृढ़ परत के रूप में जानी जाती है। हम लर्निंग मॉडल बनाने के लिए कन्वेन्शनल न्यूरल नेटवर्क का उपयोग कर सकते हैं।
छवि वर्गीकरण के लिए स्थानांतरण सीखने के पीछे अंतर्ज्ञान यह है कि यदि किसी मॉडल को बड़े और सामान्य डेटासेट पर प्रशिक्षित किया जाता है, तो इस मॉडल का उपयोग दृश्य दुनिया के लिए एक सामान्य मॉडल के रूप में प्रभावी ढंग से काम करने के लिए किया जा सकता है। इसने फीचर मैप्स सीख लिए होंगे, जिसका अर्थ है कि उपयोगकर्ता को बड़े डेटासेट पर बड़े मॉडल को प्रशिक्षित करके शुरू से शुरू नहीं करना पड़ेगा।
TensorFlow हब एक भंडार है जिसमें पूर्व-प्रशिक्षित TensorFlow मॉडल शामिल हैं। TensorFlow का उपयोग सीखने के मॉडल को बेहतर बनाने के लिए किया जा सकता है।
हम समझेंगे कि tf.keras के साथ TensorFlow हब से मॉडल का उपयोग कैसे करें, TensorFlow हब से छवि वर्गीकरण मॉडल का उपयोग करें। एक बार यह हो जाने के बाद, अनुकूलित छवि वर्गों के लिए एक मॉडल को ठीक करने के लिए स्थानांतरण सीखने का प्रदर्शन किया जा सकता है। यह एक छवि लेने के लिए एक पूर्व-प्रशिक्षित क्लासिफायरियर मॉडल का उपयोग करके किया जाता है और भविष्यवाणी करता है कि यह क्या है। यह बिना किसी प्रशिक्षण की आवश्यकता के किया जा सकता है।
हम नीचे दिए गए कोड को चलाने के लिए Google सहयोग का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफ़िकल प्रोसेसिंग यूनिट) तक मुफ्त पहुंच की आवश्यकता होती है। जुपिटर नोटबुक के ऊपर कोलैबोरेटरी बनाई गई है..
उदाहरण
AUTOTUNE = tf.data.AUTOTUNE
train_ds = train_ds.cache().prefetch(buffer_size=AUTOTUNE)
print("The dimensions of data")
for image_batch, labels_batch in train_ds:
print(image_batch.shape)
print(labels_batch.shape)
break कोड क्रेडिट -https://www.tensorflow.org/tutorials/images/transfer_learning_with_hub
आउटपुट
The dimensions of data (32, 224, 224, 3) (32,)
स्पष्टीकरण
- TFHub शीर्ष वर्गीकरण परत की आवश्यकता के बिना मॉडल वितरित करता है।
- इन्हें ट्रांसफर लर्निंग के लिए इस्तेमाल किया जा सकता है।
- tfhub.dev के किसी भी संगत इमेज फीचर वेक्टर मॉडल का उपयोग किया जा सकता है।
- ट्रेनेबल=गलत की मदद से एक फीचर एक्सट्रैक्टर बनाया जा सकता है।
- इसका उपयोग फीचर एक्सट्रैक्टर लेयर में वेरिएबल को फ्रीज करने के लिए किया जा सकता है।
- ऐसा इसलिए किया जाता है ताकि प्रशिक्षण केवल नई क्लासिफायर परत को संशोधित करे।
- यह प्रत्येक छवि के लिए 1280-लंबाई वाला वेक्टर लौटाएगा।