Auto MPG डेटासेट पर TensorFlow का उपयोग करके अनुक्रमिक मॉडल कैसे बनाएं?

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।

इंस्टॉलेशन

Windows पर 'tensorflow' पैकेज इंस्टॉल करने के लिए:

pip install tensorflow

टेंसर के गुण

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। इनकी पहचान तीन मुख्य गुणों का उपयोग करके की जा सकती है:

रैंक - यह टेंसर की आयामिकता के बारे में बताता है। इसे टेंसर के क्रम या परिभाषित टेंसर में आयामों की संख्या के रूप में समझा जा सकता है।
टाइप - यह टेंसर के तत्वों से जुड़े डेटा टाइप के बारे में बताता है। यह एक आयामी, द्वि-आयामी या n-आयामी टेंसर हो सकता है।
शेप - यह एक साथ पंक्तियों और स्तंभों की संख्या है।

रिग्रेशन समस्या और डेटासेट

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। 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

def build_compile_model(norm):
    model = keras.Sequential([
        norm,
        layers.Dense(64, activation='relu'),
        layers.Dense(64, activation='relu'),
        layers.Dense(1)
    ])
    model.compile(loss='mean_absolute_error',
                  optimizer=tf.keras.optimizers.Adam(0.001))
    return model

print("मॉडल बनाया और कंपाइल किया जा रहा है")
dnn_horsepower_model = build_compile_model(horsepower_normalizer)
print("सांख्यिकीय सारांश की गणना की जा रही है")
dnn_horsepower_model.summary()

कोड क्रेडिट: TensorFlow ट्यूटोरियल

आउटपुट

Auto MPG डेटासेट पर TensorFlow का उपयोग करके अनुक्रमिक मॉडल कैसे बनाएं?

व्याख्या

'build_compile_model' नामक एक फ़ंक्शन परिभाषित किया गया है जो एक अनुक्रमिक मॉडल बनाता है और तीन घनी लेयर्स उत्पन्न करता है।
मॉडल को कंपाइल किया जाता है और इसे फ़ंक्शन से आउटपुट के रूप में लौटाया जाता है।
'summary' विधि का उपयोग करके मॉडल का सांख्यिकीय विश्लेषण कंसोल पर प्रदर्शित किया जाता है।