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। ऐसा इसलिए है 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:
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।
Fashion MNIST डेटासेट
'Fashion MNIST' डेटासेट में विभिन्न प्रकार के कपड़ों की छवियां होती हैं। इसमें 70 हजार से अधिक कपड़ों की ग्रेस्केल छवियां होती हैं जो 10 विभिन्न श्रेणियों से संबंधित होती हैं। ये छवियां कम रिज़ॉल्यूशन (28 x 28 पिक्सल) की होती हैं।
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("टेस्ट डेटा से एक छवि ली गई है")
img = test_images[26]
print("छवि के आयाम हैं")
print(img.shape)
print("छवि को बैच में जोड़ा गया है जहां यह एकमात्र इकाई है")
img = (np.expand_dims(img, 0))
print("छवि के आयाम अब")
print(img.shape)
my_pred = probability_model.predict(img)
print("की गई भविष्यवाणी है")
print(my_pred)
plot_value_array(1, my_pred[0], test_labels)
_ = plt.xticks(range(10), class_names, rotation=45)
np.argmax(my_pred[0])
कोड क्रेडिट: TensorFlow ट्यूटोरियल
आउटपुट
टेस्ट डेटा से एक छवि ली गई है छवि के आयाम हैं (28, 28) छवि को बैच में जोड़ा गया है जहां यह एकमात्र इकाई है छवि के आयाम अब (1, 28, 28) की गई भविष्यवाणी है [[8.0459216e-07 1.7074371e-09 2.6175227e-02 1.8855806e-07 1.7909618e-01 2.1126857e-06 7.9472500e-01 7.5104166e-11 4.7921480e-07 1.6657851e-10]] 6
व्याख्या
- टेस्ट छवि के आयाम कंसोल पर प्रदर्शित किए जाते हैं।
- 'expand_dims' बैच या उदाहरणों के संग्रह पर एक साथ काम करने के लिए अनुकूलित है।
- एक छवि को भी सूची के हिस्से के रूप में जोड़ा जाता है।
- 'predict' फ़ंक्शन सूचियों की एक सूची लौटाता है, जहां प्रत्येक सूची बैच डेटा में एक छवि से मेल खाती है।
- हम जिस छवि को चाहते हैं उसके लिए भविष्यवाणियां निकाली जाती हैं और कंसोल पर प्रदर्शित की जाती हैं।
- इसे 'matplotlib' का उपयोग करके बार ग्राफ के रूप में विज़ुअलाइज़ किया जाता है।
