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 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।
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। 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
plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()
train_images = train_images / 255.0
test_images = test_images / 255.0
plt.figure(figsize=(12,12))
for i in range(15):
plt.subplot(5,5,i+1)
plt.xticks([])
plt.yticks([])
plt.grid(False)
plt.imshow(train_images[i], cmap=plt.cm.binary)
plt.xlabel(class_names[train_labels[i]])
plt.show()
कोड क्रेडिट - TensorFlow ट्यूटोरियल
आउटपुट
व्याख्या
- नेटवर्क प्रशिक्षित होने से पहले, इनपुट डेटासेट को प्रोसेस करने की आवश्यकता होती है।
- एक बार छवियों का निरीक्षण और कंसोल पर प्रदर्शन हो जाने पर, यह निर्धारित किया जा सकता है कि पिक्सेल मान 0 से 255 की सीमा में आते हैं।
- इन पिक्सेल मानों को पहले 0 से 1 की सीमा में आने के लिए स्केल किया जाता है।
- इसे प्राप्त करने के लिए, प्रत्येक पिक्सेल मान को 255 से विभाजित किया जाता है।
- प्रशिक्षण डेटासेट और टेस्ट डेटासेट को उसी तरह प्री-प्रोसेस किया जाना चाहिए।
- यह सुनिश्चित करता है कि प्रशिक्षण के साथ-साथ मूल्यांकन के दौरान समान प्रकार का डेटा प्रदान किया जाता है।
- यह सुनिश्चित करने के लिए कि डेटा सही प्रारूप में है, कंसोल पर पहली कुछ छवियों को प्रत्येक छवि के वर्ग नाम के साथ प्रदर्शित करें।
