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।
IMDB डेटासेट
'IMDB' डेटासेट में 50 हजार से अधिक फिल्मों की समीक्षाएं होती हैं। इस डेटासेट का उपयोग आमतौर पर प्राकृतिक भाषा प्रसंस्करण से जुड़े संचालन के साथ किया जाता 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।
IMDB डेटासेट में समय के संबंध में सटीकता और हानि को विज़ुअलाइज़ करने वाला प्लॉट बनाने का कोड स्निपेट:
उदाहरण
history_dict = history.history
history_dict.keys()
acc = history_dict['binary_accuracy']
val_acc = history_dict['val_binary_accuracy']
loss = history_dict['loss']
val_loss = history_dict['val_loss']
epochs = range(1, len(acc) + 1)
plt.plot(epochs, loss, 'ro', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss with respect to time')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()
कोड क्रेडिट - TensorFlow ट्यूटोरियल
आउटपुट
व्याख्या
- एक बार डेटा मॉडल में फिट हो जाने के बाद, वास्तविक मान और भविष्यवाणी किए गए मानों की तुलना करने की आवश्यकता होती है।
- इसे करने का सबसे अच्छा तरीका विज़ुअलाइज़ेशन के माध्यम से है।
- इसलिए, 'matplotlib' लाइब्रेरी का उपयोग प्रशिक्षण और सत्यापन के दौरान हुई हानि को समय के संबंध में प्लॉट करने के लिए किया जाता है।
- यह मॉडल को फिट करने के लिए डेटा को प्रशिक्षित करने के लिए उठाए गए चरणों (या युगों) की संख्या पर आधारित है।
