केरस में 'अनुक्रमिक' पद्धति का उपयोग करके एक अनुक्रमिक मॉडल बनाया जा सकता है। इस विधि में परतों की संख्या और प्रकार निर्दिष्ट किए जाते हैं।
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।
प्रिंट("अनुक्रमिक मॉडल बनाया जा रहा है")abalone_model =tf.keras.Sequential([Layers.Dense(64),Layers.Dense(1)])abalone_model.compile(loss =tf.losses.MeanSquaredError( ),ऑप्टिमाइज़र =tf.optimizers.Adam ())प्रिंट ("डेटा मॉडल के लिए फ़िट हो रहा है") abalone_model.fit (abalone_features, abalone_labels, epochs=10) कोड क्रेडिट:https://www.tensorflow.org/tutorials/load_data/csv
आउटपुट
अनुक्रमिक मॉडल बनाया जा रहा हैडेटा को मॉडल युग 1/10104/104 के अनुरूप बनाया जा रहा है [============================] - 0s 963us/कदम - हानि:84.2213 युग 2/10104/104 [=========================] - 0s 924us/कदम - हानि:16.0268 युग 3/10104/104 [==========================] - 0s 860us /चरण - हानि:9.4125 युग 4/10104/104 [==========================] - 0s 898us/कदम - हानि:8.9159 युग 5/10104/104 [==========================] - 0s 912us/कदम - हानि:7.9076 युग 6/10104/104 [===========================] - 0s 936us/कदम - हानि:6.8316 युग 7/ 10104/104 [===========================] - 0s 992us/कदम - हानि:7.1021 युग 8/10104/104 [============================] - 0s 1ms/कदम - हानि:7.0550 युग 9/10104/104 [============================] - 0s 1ms/कदम - हानि:6.2762 युग 10/10104/104 [============================] - 0s 883us/कदम - हानि:6.5584स्पष्टीकरण
- एबलोन डेटासेट के 'आयु' कॉलम की भविष्यवाणी करने के लिए एक प्रतिगमन मॉडल बनाया गया है।
- एक अनुक्रमिक मॉडल बनाया गया है, क्योंकि एक इनपुट टेंसर है।
- मॉडल को संकलित (प्रशिक्षित) किया जाता है, और फिर सुविधाओं और लेबल को 'Model.fit' पद्धति में पास कर दिया जाता है।