टेंसरफ्लो का उपयोग एस्टिमेटर मॉडल के लिए फीचर कॉलम परिभाषित करने के लिए किया जा सकता है, एक खाली सूची बनाकर और ट्रेनिंग डेटासेट के 'key' मानों तक पहुंचकर और इसके माध्यम से पुनरावृति करके। पुनरावृति के दौरान, फीचर नामों को खाली सूची में जोड़ा जाता 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।
उदाहरण
print("एस्टिमेटर मॉडल के लिए फीचर कॉलम की सूची बनाना")
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
एस्टिमेटर मॉडल के लिए फीचर कॉलम की सूची बनाना
व्याख्या
एक फीचर कॉलम वर्णन करता है कि मॉडल को फीचर डिक्शनरी से कच्चे इनपुट डेटा का उपयोग कैसे करना चाहिए। जब एक एस्टिमेटर मॉडल बनाया जाता है, तो फीचर कॉलम की एक सूची पास की जाती है।
वे उन प्रत्येक फीचर का वर्णन करते हैं जिनका मॉडल को उपयोग करना चाहिए।
tf.feature_column मॉड्यूल डेटा को मॉडल में प्रस्तुत करने के लिए कई विकल्प देता है।
हम फीचर कॉलम की एक सूची बनाते हैं ताकि एस्टिमेटर मॉडल को बताया जा सके कि चार फीचर में से प्रत्येक को 32-बिट फ्लोटिंग-पॉइंट मान के रूप में दर्शाया जाए।
