'प्रीप्रोसेसिंग' मॉड्यूल में मौजूद 'सामान्यीकरण' पद्धति का उपयोग करके एक सामान्यीकरण परत का निर्माण किया जा सकता है। यह परत अबालोन डेटासेट की विशेषताओं के अनुकूल बनाने के लिए बनाई गई है। इसके अलावा, मॉडल की प्रशिक्षण क्षमता में सुधार के लिए एक घनी परत जोड़ी जाती है। यह परत प्रत्येक कॉलम से जुड़े माध्य और विचरण की पूर्व-गणना करने में मदद करेगी। इस माध्य और विचरण मानों का उपयोग डेटा को सामान्य करने के लिए किया जाएगा।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
हम अबालोन डेटासेट का उपयोग करेंगे, जिसमें एबेलोन के माप का एक सेट होता है। अबालोन एक प्रकार का समुद्री घोंघा है। लक्ष्य अन्य मापों के आधार पर आयु का अनुमान लगाना 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।
print("A normalization layer is being built")
normalize = preprocessing.Normalization()
normalize.adapt(abalone_features)
print("A dense layer is being added")
norm_abalone_model = tf.keras.Sequential([
normalize,
layers.Dense(64),
layers.Dense(1)
]) कोड क्रेडिट:https://www.tensorflow.org/tutorials/load_data/csv
आउटपुट
A normalization layer is being built A dense layer is being added
स्पष्टीकरण
- मॉडल के इनपुट सामान्यीकृत हैं।
- इस सामान्यीकरण को 'प्रयोगात्मक.प्रीप्रोसेसिंग' परत जोड़कर शामिल किया जा सकता है।
- यह परत प्रत्येक कॉलम से जुड़े माध्य और विचरण की पूर्व-गणना करने में मदद करेगी।
- इस माध्य और विचरण मानों का उपयोग डेटा को सामान्य करने के लिए किया जाता है।
- सबसे पहले, 'Normalization.adapt' पद्धति का उपयोग करके सामान्यीकरण परत बनाई जाती है।
- प्रीप्रोसेसिंग परतों के लिए 'अनुकूलन' पद्धति के साथ केवल प्रशिक्षण डेटा का उपयोग किया जाना चाहिए।
- इस सामान्यीकरण परत का उपयोग मॉडल बनाने के लिए किया जाता है।