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। 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।
इंस्टॉलेशन
Windows पर 'tensorflow' पैकेज इंस्टॉल करने के लिए:
pip install tensorflow
रिग्रेशन समस्या
रिग्रेशन समस्या के पीछे का उद्देश्य एक सतत या असतत चर के आउटपुट की भविष्यवाणी करना है, जैसे कि कीमत, संभावना, बारिश होगी या नहीं, आदि।
Auto MPG डेटासेट
हम जिस डेटासेट का उपयोग करते हैं उसे 'Auto MPG' डेटासेट कहा जाता है। इसमें 1970 और 1980 के दशक के ऑटोमोबाइल की ईंधन दक्षता शामिल है। इसमें वजन, हॉर्सपावर, डिस्प्लेसमेंट आदि जैसे गुण शामिल हैं। इसके साथ, हमें विशिष्ट वाहनों की ईंधन दक्षता की भविष्यवाणी करने की आवश्यकता है।
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("मॉडल बनाया और कंपाइल किया जा रहा है")
dnn_model = build_compile_model(normalizer)
print("सांख्यिकीय सारांश प्रदर्शित किया जा रहा है")
dnn_model.summary()
print("डेटा को मॉडल में फिट किया जा रहा है")
history = dnn_model.fit(
train_features, train_labels,
validation_split=0.2,
verbose=0, epochs=100)
print("त्रुटि बनाम युग की कल्पना की जा रही है")
plot_loss(history)
print("भविष्यवाणियों का मूल्यांकन किया जा रहा है")
test_results['dnn_model'] = dnn_model.evaluate(test_features, test_labels, verbose=0)
pd.DataFrame(test_results, index=['Mean absolute error [MPG]']).T
कोड क्रेडिट: TensorFlow ट्यूटोरियल
आउटपुट
व्याख्या
- मॉडल बनाया और कंपाइल किया गया है।
- 'summary' फ़ंक्शन का उपयोग करके गणना, माध्य, माध्यिका जैसे सांख्यिकीय मान प्रदर्शित किए जाते हैं।
- यह कंपाइल किया गया मॉडल डेटा में फिट है।
- कंसोल पर भविष्यवाणी में चरणों की संख्या बनाम त्रुटि का दृश्यीकरण प्लॉट किया गया है।
- रैखिक प्रतिगमन की तुलना में DNN का उपयोग करना बेहतर है।
