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
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।
Python में Fashion MNIST के लिए भविष्यवाणियों को सत्यापित करने का कोड स्निपेट:
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("टेस्ट छवियां, भविष्यवाणी लेबल और वास्तविक लेबल प्लॉट किए गए हैं")
print("सही भविष्यवाणियां हरे रंग में हैं और गलत भविष्यवाणियां लाल रंग में हैं")
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 - TensorFlow ट्यूटोरियल
आउटपुट
व्याख्या
- एक बार मॉडल प्रशिक्षित हो जाने के बाद, इसका उपयोग अन्य छवियों पर भविष्यवाणी करने के लिए किया जा सकता है।
- एक छवि पर भविष्यवाणियां की जाती हैं, और भविष्यवाणी सरणी प्रदर्शित की जाती है।
- सही ढंग से भविष्यवाणी किए गए लेबल हरे रंग में हैं और गलत भविष्यवाणी वाले लाल रंग में हैं।
- संख्या भविष्यवाणी लेबल के लिए प्रतिशत मान इंगित करती है।
- यह बताता है कि मॉडल कितनी सटीकता से सुझाव देता है कि उसके द्वारा भविष्यवाणी किया गया लेबल छवि के लिए वास्तविक लेबल है।
