Tensorflow एक मशीन लर्निंग फ्रेमवर्क है जो Google द्वारा प्रदान किया जाता है। यह एक ओपन-सोर्स फ्रेमवर्क है जिसका उपयोग एल्गोरिदम, गहन शिक्षण अनुप्रयोगों और बहुत कुछ को लागू करने के लिए पायथन के साथ संयोजन में किया जाता है। इसका उपयोग अनुसंधान और उत्पादन उद्देश्यों के लिए किया जाता है। इसमें अनुकूलन तकनीकें हैं जो जटिल गणितीय कार्यों को शीघ्रता से करने में मदद करती हैं। ऐसा इसलिए है क्योंकि यह NumPy और बहुआयामी सरणियों का उपयोग करता है। इन बहुआयामी सरणियों को 'टेंसर' के रूप में भी जाना जाता है। ढांचा गहरे तंत्रिका नेटवर्क के साथ काम करने का समर्थन करता है। यह अत्यधिक मापनीय है, और कई लोकप्रिय डेटासेट के साथ आता है।
कोड की निम्न पंक्ति का उपयोग करके विंडोज़ पर 'टेंसरफ़्लो' पैकेज स्थापित किया जा सकता है -
pip install tensorflow
केरस को प्रोजेक्ट ONEIROS (ओपन एंडेड न्यूरो-इलेक्ट्रॉनिक इंटेलिजेंट रोबोट ऑपरेटिंग सिस्टम) के लिए अनुसंधान के एक भाग के रूप में विकसित किया गया था। केरस एक डीप लर्निंग एपीआई है, जिसे पायथन में लिखा गया है। यह एक उच्च-स्तरीय एपीआई है जिसमें एक उत्पादक इंटरफ़ेस है जो मशीन सीखने की समस्याओं को हल करने में मदद करता है। यह Tensorflow ढांचे के शीर्ष पर चलता है। इसे त्वरित तरीके से प्रयोग में मदद करने के लिए बनाया गया था। यह आवश्यक सार तत्व और बिल्डिंग ब्लॉक्स प्रदान करता है जो मशीन लर्निंग सॉल्यूशंस को विकसित करने और इनकैप्सुलेट करने के लिए आवश्यक हैं।
यह अत्यधिक स्केलेबल है, और क्रॉस प्लेटफॉर्म क्षमताओं के साथ आता है। इसका मतलब है कि केरस को टीपीयू या जीपीयू के क्लस्टर पर चलाया जा सकता है। केरस मॉडल को वेब ब्राउज़र या मोबाइल फोन में भी चलाने के लिए निर्यात किया जा सकता है। केरस पहले से ही Tensorflow पैकेज में मौजूद है। इसे कोड की निम्न पंक्ति का उपयोग करके एक्सेस किया जा सकता है -
import tensorflow from tensorflow import keras
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।
निम्नलिखित कोड है -
उदाहरण
print("A new model instance is created")
model = create_model()
print("The previously saved weights are loaded")
model.load_weights(latest)
print("The model is being re−evaluated")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("This is the restored model, with accuracy: {:5.3f}%".format(100 * acc)) कोड क्रेडिट - https://www.tensorflow.org/tutorials/keras/save_and_load
आउटपुट
A new model instance is created The previously saved weights are loaded The model is being re-evaluated 32/32 - 0s - loss: 0.4828 - sparse_categorical_accuracy: 0.8770 This is the restored model, with accuracy:87.700%
स्पष्टीकरण
-
फिर से, उदाहरण का एक नया मॉडल 'create_model' पद्धति का उपयोग करके बनाया जाता है।
-
पहले सहेजे गए वज़न को 'load_weights' पद्धति का उपयोग करके इस उदाहरण में लोड किया जाता है।
-
इस नए मॉडल का मूल्यांकन 'मूल्यांकन' पद्धति का उपयोग करके किया जाता है।
-
प्रशिक्षण के दौरान इसकी सटीकता और हानि का निर्धारण किया जाता है।
-
ये मान कंसोल पर प्रदर्शित होते हैं।