टेंसरफ्लो को एस्टिमेटर के साथ प्रशिक्षित मॉडल से भविष्यवाणी करने के लिए कैसे उपयोग करें?

टेंसरफ्लो का उपयोग एस्टिमेटर के साथ नए डेटा पर आउटपुट की भविष्यवाणी करने के लिए 'predict' मेथड का उपयोग करके किया जा सकता है जो 'classifier' मेथड में मौजूद है।

और पढ़ें: टेंसरफ्लो क्या है और केरस टेंसरफ्लो के साथ न्यूरल नेटवर्क बनाने में कैसे काम करता है?

हम केरस सीक्वेंशियल API का उपयोग करेंगे, जो एक सीक्वेंशियल मॉडल बनाने में सहायक है जिसका उपयोग लेयर के सादे स्टैक के साथ काम करने के लिए किया जाता है, जहां प्रत्येक लेयर में ठीक एक इनपुट टेंसर और एक आउटपुट टेंसर होता 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।

टेंसरफ्लो टेक्स्ट में टेक्स्ट-संबंधित क्लास और ऑप्स का संग्रह होता है जिसे टेंसरफ्लो 2.0 के साथ उपयोग किया जा सकता है। टेंसरफ्लो टेक्स्ट का उपयोग सीक्वेंस मॉडलिंग को प्रीप्रोसेस करने के लिए 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।

एक एस्टिमेटर टेंसरफ्लो का एक पूर्ण मॉडल का उच्च-स्तरीय प्रतिनिधित्व है। इसे आसान स्केलिंग और एसिंक्रोनस ट्रेनिंग के लिए डिज़ाइन किया गया है।

मॉडल को आइरिस डेटा सेट का उपयोग करके प्रशिक्षित किया जाता है। 4 फीचर हैं, और एक लेबल।

• सेपल लंबाई
• सेपल चौड़ाई
• पेटल लंबाई
• पेटल चौड़ाई

उदाहरण

print("मॉडल से भविष्यवाणियां जनरेट करना")
expected = ['Setosa', 'Versicolor', 'Virginica']
predict_x = {
    'SepalLength': [5.1, 5.9, 6.9],
    'SepalWidth': [3.3, 3.0, 3.1],
    'PetalLength': [1.7, 4.2, 5.4],
    'PetalWidth': [0.5, 1.5, 2.1],
}
print("भविष्यवाणी के लिए इनपुट फ़ंक्शन परिभाषित करना")
print("यह लेबल के बिना इनपुट को डेटासेट में परिवर्तित करता है")
def input_fn(features, batch_size=256):
    return tf.data.Dataset.from_tensor_slices(dict(features)).batch(batch_size)
predictions = classifier.predict(
    input_fn=lambda: input_fn(predict_x))

कोड क्रेडिट - https://www.tensorflow.org/tutorials/estimator/premade#first_things_first

आउटपुट

मॉडल से भविष्यवाणियां जनरेट करना
भविष्यवाणी के लिए इनपुट फ़ंक्शन परिभाषित करना
यह लेबल के बिना इनपुट को डेटासेट में परिवर्तित करता है

व्याख्या

• प्रशिक्षित मॉडल अच्छे परिणाम देगा।
• इसका उपयोग कुछ अनलेबल माप के आधार पर आइरिस फूल की प्रजातियों की भविष्यवाणी करने के लिए किया जा सकता है।
• भविष्यवाणियां एक ही फ़ंक्शन कॉल का उपयोग करके की जाती हैं।