Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

नॉर्मलाइज़ेशन के बाद, TensorFlow का उपयोग करके मॉडल को कैसे ट्रेन और बिल्ड करें?


अबालोन डेटा के संबंध में मॉडल को ट्रेन और बिल्ड करना क्रमशः compile और fit मेथड्स का उपयोग करके किया जा सकता है। fit मेथड epoch की संख्या को पैरामीटर के रूप में भी लेता है।

और पढ़ें: TensorFlow क्या है और Keras, TensorFlow के साथ मिलकर न्यूरल नेटवर्क कैसे बनाता है?

हम अबालोन डेटासेट का उपयोग करेंगे, जिसमें अबालोन के मापों का एक सेट होता है। अबालोन एक प्रकार का समुद्री घोंघा है। लक्ष्य अन्य मापों के आधार पर उम्र का अनुमान लगाना है।

हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर Python कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPUs (ग्राफ़िकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के ऊपर बनाया गया है।

print("मॉडल को कंपाइल किया जा रहा है")
norm_abalone_model.compile(loss=tf.losses.MeanSquaredError(), optimizer=tf.optimizers.Adam())
print("मॉडल को डेटा पर फिट किया जा रहा है")
norm_abalone_model.fit(abalone_features, abalone_labels, epochs=8)

कोड क्रेडिट: https://www.tensorflow.org/tutorials/load_data/csv

आउटपुट

मॉडल को कंपाइल किया जा रहा है
मॉडल को डेटा पर फिट किया जा रहा है
Epoch 1/8 104/104 [==============================] - 0s 989us/step - loss: 98.3651
Epoch 2/8 104/104 [==============================] - 0s 945us/step - loss: 65.4568
Epoch 3/8 104/104 [==============================] - 0s 922us/step - loss: 21.7297
Epoch 4/8 104/104 [==============================] - 0s 912us/step - loss: 6.3429
Epoch 5/8 104/104 [==============================] - 0s 988us/step - loss: 5.0949
Epoch 6/8 104/104 [==============================] - 0s 958us/step - loss: 4.9868
Epoch 7/8 104/104 [==============================] - 0s 1ms/step - loss: 4.8982
Epoch 8/8 104/104 [==============================] - 0s 1ms/step - loss: 4.7936
<tensorflow.python.keras.callbacks.History at 0x7fda8213c898>

व्याख्या

  • एक बार नॉर्मलाइज़ेशन लेयर्स बन जाने के बाद, मॉडल को ट्रेनिंग डेटा के साथ ट्रेन किया जाता है।
  • एक बार ट्रेनिंग पूरी हो जाने के बाद, फीचर्स और लेबल्स को 'Model.fit' मेथड का उपयोग करके डेटा में पास किया जाता है।

  1. पायथन में टेंसरफ्लो का उपयोग करके भविष्यवाणियों को कैसे डिकोड करें? पायथन में टेंसरफ्लो का उपयोग करके भविष्यवाणियों को कैसे डिकोड करें?

    टेंसरफ्लो का उपयोग इमेज को Numpy सरणी में परिवर्तित करके भविष्यवाणियों को डिकोड करने के लिए किया जा सकता है। 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

  1. पायथन में टेंसरफ्लो और प्री-ट्रेंड मॉडल का उपयोग करके डेटा कैसे विज़ुअलाइज़ करें? पायथन में टेंसरफ्लो और प्री-ट्रेंड मॉडल का उपयोग करके डेटा कैसे विज़ुअलाइज़ करें?

    टेंसरफ्लो और प्री-ट्रेंड मॉडल का उपयोग matplotlib लाइब्रेरी का उपयोग करके डेटा विज़ुअलाइज़ करने के लिए किया जा सकता है। plot मेथड का उपयोग कंसोल पर डेटा प्लॉट करने के लिए किया जाता है। और पढ़ें: टेंसरफ्लो क्या है और केरस टेंसरफ्लो के साथ न्यूरल नेटवर्क बनाने में कैसे काम करता है? एक न्यूरल नेटवर्

  1. पायथन का उपयोग करके TensorFlow से मॉडल को कैसे प्रशिक्षित किया जा सकता है? पायथन का उपयोग करके TensorFlow से मॉडल को कैसे प्रशिक्षित किया जा सकता है?

    मॉडल को TensorFlow में train विधि का उपयोग करके प्रशिक्षित किया जा सकता है, जहां ईपॉक्स (डेटा को मॉडल को फिट करने के लिए प्रशिक्षित करने की संख्या) और प्रशिक्षण डेटा निर्दिष्ट हैं। और पढ़ें: TensorFlow क्या है और केरस TensorFlow के साथ न्यूरल नेटवर्क बनाने के लिए कैसे काम करता है? हम नीचे दिए गए को