Tensorflow एक मशीन लर्निंग फ्रेमवर्क है जो Google द्वारा प्रदान किया जाता है। यह एक ओपन-सोर्स फ्रेमवर्क है जिसका उपयोग एल्गोरिदम, गहन शिक्षण अनुप्रयोगों और बहुत कुछ को लागू करने के लिए पायथन के साथ संयोजन में किया जाता है। इसका उपयोग अनुसंधान और उत्पादन उद्देश्यों के लिए किया जाता है।
कोड की निम्न पंक्ति का उपयोग करके विंडोज़ पर 'टेंसरफ़्लो' पैकेज स्थापित किया जा सकता है -
pip install tensorflow
'फैशन एमएनआईएसटी' डेटासेट में विभिन्न प्रकार के कपड़ों की छवियां होती हैं। इसमें 70 हजार से अधिक कपड़ों की ग्रेस्केल छवियां हैं जो 10 विभिन्न श्रेणियों से संबंधित हैं। ये चित्र कम रिज़ॉल्यूशन (28 x 28 पिक्सेल) के हैं।
हम नीचे दिए गए कोड को चलाने के लिए Google सहयोग का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफ़िकल प्रोसेसिंग यूनिट) तक मुफ्त पहुंच की आवश्यकता होती है। जुपिटर नोटबुक के ऊपर कोलैबोरेटरी बनाई गई है।
पायथन में फैशन एमएनआईएसटी के पूर्वानुमानों को सत्यापित करने के लिए कोड स्निपेट निम्नलिखित है -
उदाहरण
i = 0
plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plot_image(i, predictions[i], test_labels, test_images)
plt.subplot(1,2,2)
plot_value_array(i, predictions[i], test_labels)
plt.show()
i = 12
plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plot_image(i, predictions[i], test_labels, test_images)
plt.subplot(1,2,2)
plot_value_array(i, predictions[i], test_labels)
plt.show()
num_rows = 5
num_cols = 3
print("The test images, predicted labels and the true labels are plotted")
print("The correct predictions are in green and the incorrect predictions are in red")
num_images = num_rows*num_cols
plt.figure(figsize=(2*2*num_cols, 2*num_rows))
for i in range(num_images):
plt.subplot(num_rows, 2*num_cols, 2*i+1)
plot_image(i, predictions[i], test_labels, test_images)
plt.subplot(num_rows, 2*num_cols, 2*i+2)
plot_value_array(i, predictions[i], test_labels)
plt.tight_layout()
plt.show() कोड क्रेडिट - https://www.tensorflow.org/tutorials/keras/classification
आउटपुट
स्पष्टीकरण
-
एक बार मॉडल को प्रशिक्षित करने के बाद, इसका उपयोग अन्य छवियों पर भविष्यवाणी करने के लिए किया जा सकता है।
-
भविष्यवाणियां एक छवि पर की जाती हैं, और पूर्वानुमान सरणी प्रदर्शित होती है।
-
सही पूर्वानुमानित लेबल हरे रंग में हैं और गलत पूर्वानुमानित लेबल लाल रंग में हैं।
-
संख्या अनुमानित लेबल के लिए प्रतिशत मान दर्शाती है।
-
यह बताता है कि मॉडल कितना सटीक रूप से सुझाव देता है कि जिस लेबल की उसने भविष्यवाणी की है वह छवि के लिए वास्तविक लेबल है।