नॉर्मलाइज़ेशन लेयर को preprocessing मॉड्यूल में मौजूद Normalization मेथड का उपयोग करके बनाया जा सकता है। यह लेयर अबालोन डेटासेट के फीचर्स के अनुकूल बनाई जाती है। इसके अलावा, मॉडल की ट्रेनिंग क्षमता में सुधार के लिए एक डेंस लेयर जोड़ी जाती है। यह लेयर प्रत्येक कॉलम से जुड़े माध्य और विचरण को प्री-कंप्यूट करने में मदद करेगी। इन माध्य और विचरण मानों का उपयोग डेटा को नॉर्मलाइज़ करने के लिए किया जाएगा।
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("एक नॉर्मलाइज़ेशन लेयर बनाई जा रही है")
normalize = preprocessing.Normalization()
normalize.adapt(abalone_features)
print("एक डेंस लेयर जोड़ी जा रही है")
norm_abalone_model = tf.keras.Sequential([
normalize,
layers.Dense(64),
layers.Dense(1)
])कोड क्रेडिट: https://www.tensorflow.org/tutorials/load_data/csv
आउटपुट
एक नॉर्मलाइज़ेशन लेयर बनाई जा रही है
एक डेंस लेयर जोड़ी जा रही हैव्याख्या
- मॉडल के इनपुट्स को नॉर्मलाइज़ किया जाता है।
- इस नॉर्मलाइज़ेशन को 'experimental.preprocessing' लेयर जोड़कर शामिल किया जा सकता है।
- यह लेयर प्रत्येक कॉलम से जुड़े माध्य और विचरण को प्री-कंप्यूट करने में मदद करेगी।
- इन माध्य और विचरण मानों का उपयोग डेटा को नॉर्मलाइज़ करने के लिए किया जाता है।
- सबसे पहले, नॉर्मलाइज़ेशन लेयर को 'Normalization.adapt' मेथड का उपयोग करके बनाया जाता है।
- प्रीप्रोसेसिंग लेयर्स के लिए 'adapt' मेथड के साथ केवल ट्रेनिंग डेटा का उपयोग किया जाना चाहिए।
- इस नॉर्मलाइज़ेशन लेयर का उपयोग मॉडल बनाने के लिए किया जाता है।
