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।
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।
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
print("लेबल को विशेषताओं से अलग करना")
train_features = train_dataset.copy()
test_features = test_dataset.copy()
train_labels = train_features.pop('MPG')
test_labels = test_features.pop('MPG')
print("प्रशिक्षण डेटासेट का माध्य और मानक विचलन:")
train_dataset.describe().transpose()[['mean', 'std']]
print("विशेषताओं को सामान्यीकृत करें क्योंकि वे अलग-अलग पैमानों का उपयोग करते हैं")
print("सामान्यीकरण लेयर बनाना")
normalizer = preprocessing.Normalization()
normalizer.adapt(np.array(train_features))
print(normalizer.mean.numpy())
first = np.array(train_features[3:4])
print("प्रत्येक विशेषता को व्यक्तिगत रूप से सामान्यीकृत किया गया है")
with np.printoptions(precision=2, suppress=True):
print('पहला उदाहरण है:', first)
print()
print('सामान्यीकृत डेटा:', normalizer(first).numpy())
कोड क्रेडिट: TensorFlow ट्यूटोरियल
आउटपुट
लेबल को विशेषताओं से अलग करना प्रशिक्षण डेटासेट का माध्य और मानक विचलन: विशेषताओं को सामान्यीकृत करें क्योंकि वे अलग-अलग पैमानों का उपयोग करते हैं सामान्यीकरण लेयर बनाना [ 5.467 193.847 104.135 2976.88 15.591 75.934 0.168 0.197 0.635] प्रत्येक विशेषता को व्यक्तिगत रूप से सामान्यीकृत किया गया है पहला उदाहरण है: [[ 4. 105. 63. 2125. 14.7 82. 0. 0. 1. ]] सामान्यीकृत डेटा: [[-0.87 -0.87 -1.11 -1.03 -0.33 1.65 -0.45 -0.5 0.76]]
व्याख्या
- लक्ष्य मान (लेबल) को विशेषताओं से अलग किया जाता है।
- लेबल वह मान है जिसके लिए भविष्यवाणियां होने के लिए प्रशिक्षित करने की आवश्यकता होती है।
- विशेषताओं को सामान्यीकृत किया जाता है ताकि प्रशिक्षण स्थिर रहे।
- TensorFlow में 'Normalization' फ़ंक्शन डेटा को प्रीप्रोसेस करता है।
- एक पहली लेयर बनाई जाती है, और इस लेयर में माध्य और विचरण संग्रहीत होते हैं।
- जब इस लेयर को कॉल किया जाता है, तो यह इनपुट डेटा लौटाता है जहां प्रत्येक विशेषता को सामान्यीकृत किया गया है।
