Tensorflow का उपयोग अनुमानक के साथ 'वर्गीकरण' पद्धति में मौजूद 'पूर्वानुमान' पद्धति का उपयोग करके नए डेटा पर आउटपुट की भविष्यवाणी करने के लिए किया जा सकता है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
हम केरस अनुक्रमिक एपीआई का उपयोग करेंगे, जो एक अनुक्रमिक मॉडल बनाने में सहायक है जिसका उपयोग परतों के एक सादे ढेर के साथ काम करने के लिए किया जाता है, जहां हर परत में एक इनपुट टेंसर और एक आउटपुट टेंसर होता 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।
TensorFlow Text में टेक्स्ट से संबंधित क्लासेस और ऑप्स का संग्रह होता है जिनका उपयोग TensorFlow 2.0 के साथ किया जा सकता है। TensorFlow टेक्स्ट का उपयोग अनुक्रम मॉडलिंग को प्रीप्रोसेस करने के लिए 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।
एक अनुमानक एक संपूर्ण मॉडल का TensorFlow का उच्च-स्तरीय प्रतिनिधित्व है। इसे आसान स्केलिंग और अतुल्यकालिक प्रशिक्षण के लिए डिज़ाइन किया गया है।
मॉडल को आईरिस डेटा सेट का उपयोग करके प्रशिक्षित किया जाता है। 4 विशेषताएं हैं, और एक लेबल है।
- सेपल लंबाई
- सेपल चौड़ाई
- पंखुड़ी की लंबाई
- पंखुड़ी की चौड़ाई
उदाहरण
प्रिंट ("मॉडल से भविष्यवाणियां उत्पन्न करना") अपेक्षित =['सेटोसा', 'वर्सीकलर', 'वर्जिनिका']predict_x ={'SepalLength':[5.1, 5.9, 6.9], 'SepalWidth':[3.3, 3.0 , 3.1], 'पेटललेंथ':[1.7, 4.2, 5.4], 'पेटलविड्थ':[0.5, 1.5, 2.1],}प्रिंट ("भविष्यवाणी के लिए इनपुट फ़ंक्शन को परिभाषित करना") प्रिंट ("यह लेबल के बिना इनपुट को डेटासेट में परिवर्तित करता है" ) डीईएफ़ इनपुट_एफएन (फीचर्स, बैच_साइज =256):रिटर्न टीएफ।
कोड क्रेडिट -https://www.tensorflow.org/tutorials/estimator/premade#first_things_first
आउटपुट
मॉडल से भविष्यवाणियां उत्पन्न करनापूर्वानुमान के लिए इनपुट फ़ंक्शन को परिभाषित करनायह इनपुट को बिना लेबल के डेटासेट में कनवर्ट करता है
स्पष्टीकरण
- प्रशिक्षित मॉडल अच्छे परिणाम देगा।
- इसका उपयोग कुछ बिना लेबल वाले मापों के आधार पर आइरिस फूल की प्रजातियों की भविष्यवाणी करने के लिए किया जा सकता है।
- भविष्यवाणियां एकल फ़ंक्शन कॉल का उपयोग करके की जाती हैं।