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। इसका उपयोग अनुसंधान और उत्पादन उद्देश्यों के लिए 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।
इंस्टॉलेशन
Windows पर 'tensorflow' पैकेज इंस्टॉल करने के लिए:
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।
ओवरफिटिंग और रेगुलराइज़ेशन
जब लंबे समय तक प्रशिक्षण होता है, तो मॉडल ओवरफिट हो जाता है और टेस्ट डेटा पर अच्छी तरह से जनरलाइज़ नहीं करता। इसलिए, प्रशिक्षण चरणों की संख्या को अच्छी तरह से संतुलित करना होगा। इसका मतलब है, प्रभावी प्रशिक्षण करने के लिए डेटा के सभी मामलों को लेना होगा। इस तरह, मॉडल टेस्ट डेटा पर बेहतर ढंग से जनरलाइज़ करता है। अन्यथा, रेगुलराइज़ेशन किया जा सकता है।
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। यह आवश्यक एब्स्ट्रैक्शन और बिल्डिंग ब्लॉक्स प्रदान करता है जो मशीन लर्निंग समाधानों को विकसित करने और एनकैप्सुलेट करने में आवश्यक हैं।
Keras पहले से ही TensorFlow पैकेज के भीतर मौजूद है। इसे एक्सेस करने के लिए:
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
!pip install -q pyyaml h5py
import os
import tensorflow as tf
from tensorflow import keras
print("TensorFlow का संस्करण है: ")
print(tf.version.VERSION)
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
print("प्रशिक्षण और टेस्ट डेटा को विभाजित करना")
train_labels = train_labels[:1000]
test_labels = test_labels[:1000]
print("प्रशिक्षण और टेस्ट डेटा को रीशेप करना")
train_images = train_images[:1000].reshape(-1, 28 * 28) / 255.0
test_images = test_images[:1000].reshape(-1, 28 * 28) / 255.0
कोड क्रेडिट: TensorFlow ट्यूटोरियल
आउटपुट
व्याख्या
- आवश्यक पैकेज आयात करें और उन्हें उपनाम दें।
- निष्पादन की गति में सुधार के लिए पहले 1000 उदाहरण प्राप्त करें।
