MNIST डेटासेट के लिए TensorFlow का उपयोग करके मॉडल कैसे परिभाषित करें?

TensorFlow, Google द्वारा प्रदान किया गया एक मशीन लर्निंग फ्रेमवर्क है। यह एक ओपन-सोर्स फ्रेमवर्क है जिसे Python के साथ मिलकर एल्गोरिदम, डीप लर्निंग एप्लिकेशन और बहुत कुछ लागू करने के लिए उपयोग किया जाता है। इसमें ऑप्टिमाइज़ेशन तकनीकें हैं जो जटिल गणितीय संक्रियाओं को तेज़ी से करने में मदद करती हैं क्योंकि यह NumPy और बहुआयामी सरणियों का उपयोग करता है। इन बहुआयामी सरणियों को 'टेंसर' के रूप में भी जाना जाता है। यह फ्रेमवर्क डीप न्यूरल नेटवर्क के साथ काम करने का समर्थन करता है।

इंस्टॉलेशन

Windows पर 'tensorflow' पैकेज इंस्टॉल करने के लिए निम्न कमांड का उपयोग करें:

pip install tensorflow

टेंसर क्या है?

टेंसर, TensorFlow में उपयोग की जाने वाली एक डेटा संरचना है। यह फ्लो डायग्राम में एज को जोड़ने में मदद करता है। इस फ्लो डायग्राम को 'डेटा फ्लो ग्राफ' के नाम से जाना जाता है। टेंसर बहुआयामी सरणी या सूची के अलावा कुछ नहीं हैं।

Keras का परिचय

Keras एक डीप लर्निंग API है, जो Python में लिखी गई है। यह एक हाई-लेवल API है जिसमें एक उत्पादक इंटरफेस है जो मशीन लर्निंग समस्याओं को हल करने में मदद करता है। यह TensorFlow फ्रेमवर्क के ऊपर चलता है। इसे त्वरित प्रयोग में मदद के लिए बनाया गया था। Keras पहले से ही TensorFlow पैकेज के भीतर मौजूद है। इसे निम्न कोड का उपयोग करके एक्सेस किया जा सकता है:

import tensorflow from tensorflow import keras

Google Colaboratory का उपयोग

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 की आवश्यकता होती है और GPUs (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच प्रदान करता है। Colaboratory को Jupyter Notebook के शीर्ष पर बनाया गया है।

उदाहरण

print("एक अनुक्रमिक मॉडल को परिभाषित करना")
def create_model():
    model = tf.keras.models.Sequential([
        keras.layers.Dense(512, activation='relu', input_shape=(784,)),
        keras.layers.Dropout(0.2),
        keras.layers.Dense(10)
    ])
    model.compile(optimizer='adam',
                  loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
                  metrics=[tf.metrics.SparseCategoricalAccuracy()])
    return model

print("मॉडल इंस्टेंस बनाना")
model = create_model()
print("अनुक्रमिक मॉडल की आर्किटेक्चर प्रदर्शित करना")
model.summary()

कोड क्रेडिट: TensorFlow ट्यूटोरियल

आउटपुट

MNIST डेटासेट के लिए TensorFlow का उपयोग करके मॉडल कैसे परिभाषित करें?

व्याख्या

Keras का उपयोग करके एक अनुक्रमिक मॉडल बनाया गया है।
लेयर्स बनाई गई हैं जो 'घनी' (dense) हैं।
इस मॉडल को कंपाइल किया गया है।
इस मॉडल का एक इंस्टेंस बनाया गया है।
'summary' विधि का उपयोग करके इस मॉडल के बारे में विवरण स्क्रीन पर प्रदर्शित किए जाते हैं।