Tensorflow का उपयोग एस्टीमेटर मॉडल के लिए एक खाली सूची बनाकर और प्रशिक्षण डेटासेट के 'कुंजी' मूल्यों तक पहुँचने और इसके माध्यम से पुनरावृत्ति करके फीचर कॉलम को परिभाषित करने के लिए किया जा सकता है। पुनरावृति के दौरान, रिक्त सूची में फ़ीचर नाम जोड़ दिए जाते हैं।
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 जिसका 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।
उदाहरण
print("Building list of feature columns for estimator model")
my_feature_columns = []
for key in train.keys():
my_feature_columns.append(tf.feature_column.numeric_column(key=key)) कोड क्रेडिट -https://www.tensorflow.org/tutorials/estimator/premade#first_things_first
आउटपुट
Building list of feature columns for estimator model
स्पष्टीकरण
-
एक फीचर कॉलम बताता है कि मॉडल को फीचर डिक्शनरी से कच्चे इनपुट डेटा का उपयोग कैसे करना चाहिए। जब एक अनुमानक मॉडल बनाया जाता है, तो उसे फीचर कॉलम की एक सूची दी जाती है।
-
वे उन प्रत्येक सुविधाओं का वर्णन करते हैं जिनका मॉडल को उपयोग करना चाहिए।
-
tf.feature_column मॉड्यूल मॉडल को डेटा दिखाने के लिए कई विकल्प देता है।
-
हम एस्टीमेटर मॉडल को 32-बिट फ्लोटिंग-पॉइंट मानों के रूप में चार विशेषताओं में से प्रत्येक का प्रतिनिधित्व करने के लिए बताने के लिए फीचर कॉलम की एक सूची बनाते हैं।