टेंसरफ्लो और प्री-ट्रेंड मॉडल का उपयोग 'evaluate' और 'predict' मेथड का उपयोग करके डेटा के मूल्यांकन और भविष्यवाणी के लिए किया जा सकता है। इनपुट इमेज का बैच पहले फ्लैट किया जाता है। मॉडल पर सिग्मॉइड फ़ंक्शन लागू किया जाता है ताकि यह लॉजिट मान लौटाए।
और पढ़ें: टेंसरफ्लो क्या है और केरस टेंसरफ्लो के साथ न्यूरल नेटवर्क बनाने में कैसे काम करता है?
एक न्यूरल नेटवर्क जिसमें कम से कम एक लेयर होती है, कन्वोल्यूशनल लेयर के रूप में जानी जाती है। हम कन्वोल्यूशनल न्यूरल नेटवर्क का उपयोग लर्निंग मॉडल बनाने के लिए कर सकते हैं।
हम समझेंगे कि प्री-ट्रेंड नेटवर्क से ट्रांसफर लर्निंग की मदद से बिल्ली और कुत्ते की इमेज को कैसे क्लासिफाई करें। इमेज क्लासिफिकेशन के लिए ट्रांसफर लर्निंग के पीछे अंतर्ज्ञान यह है कि यदि कोई मॉडल बड़े और सामान्य डेटासेट पर प्रशिक्षित है, तो यह मॉडल दृश्य दुनिया के लिए एक सामान्य मॉडल के रूप में प्रभावी ढंग से काम कर सकता है। इसने फीचर मैप सीखे होंगे, जिसका अर्थ है कि उपयोगकर्ता को बड़े डेटासेट पर बड़े मॉडल को प्रशिक्षित करके स्क्रैच से शुरू नहीं करना पड़ेगा।
और पढ़ें: कस्टमाइज़्ड मॉडल को प्री-ट्रेंड कैसे किया जा सकता है?
हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory का उपयोग कर रहे हैं। Google Colab या कोलेबोरेटरी ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। कोलेबोरेटरी को जुपिटर नोटबुक के शीर्ष पर बनाया गया है।
उदाहरण
print("मूल्यांकन और भविष्यवाणी")
loss, accuracy = model.evaluate(test_dataset)
print('टेस्ट सटीकता है:', accuracy)
print("टेस्ट सेट से इमेज का बैच प्राप्त किया गया")
image_batch, label_batch = test_dataset.as_numpy_iterator().next()
predictions = model.predict_on_batch(image_batch).flatten()
print("मॉडल पर सिग्मॉइड फ़ंक्शन लागू किया गया, यह लॉजिट लौटाता है")
predictions = tf.nn.sigmoid(predictions)
predictions = tf.where(predictions < 0.5, 0, 1)
print('भविष्यवाणियां हैं:\n', predictions.numpy())
print('लेबल हैं:\n', label_batch)कोड क्रेडिट - https://www.tensorflow.org/tutorials/images/transfer_learning
आउटपुट
मूल्यांकन और भविष्यवाणी 6/6 [==============================] - 3s 516ms/step - loss: 0.0276 - accuracy: 0.9844 टेस्ट सटीकता है: 0.984375 टेस्ट सेट से इमेज का बैच प्राप्त किया गया मॉडल पर सिग्मॉइड फ़ंक्शन लागू किया गया, यह लॉजिट लौटाता है भविष्यवाणियां हैं: [1 1 1 1 0 0 1 0 1 0 0 0 1 0 1 0 0 0 1 1 1 0 1 0 0 1 1 1 0 1 0 1] लेबल हैं: [1 1 1 1 0 0 1 0 1 0 0 0 1 0 1 0 0 0 1 1 1 0 1 0 0 1 1 1 0 1 0 1]
व्याख्या
- मॉडल अब डेटा का मूल्यांकन और भविष्यवाणी करने के लिए उपयोग किया जा सकता है।
- भविष्यवाणी तब की जाती है जब एक इमेज को इनपुट के रूप में पास किया जाता है।
- भविष्यवाणी यह होनी चाहिए कि इमेज कुत्ता है या बिल्ली।
