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
Tensor एक डेटा संरचना है जिसका उपयोग TensorFlow में किया जाता है। यह प्रवाह आरेख में किनारों को जोड़ने में मदद करता है। इस प्रवाह आरेख को 'डेटा प्रवाह ग्राफ' के रूप में जाना जाता है। Tensors और कुछ नहीं बल्कि बहुआयामी सरणी या एक सूची है। उन्हें तीन मुख्य विशेषताओं का उपयोग करके पहचाना जा सकता है -
रैंक - यह टेंसर की डाइमेंशन के बारे में बताता है। इसे टेंसर के क्रम या परिभाषित किए गए टेंसर में आयामों की संख्या के रूप में समझा जा सकता है।
प्रकार - यह टेंसर के तत्वों से जुड़े डेटा प्रकार के बारे में बताता है। यह एक आयामी, दो आयामी या n आयामी टेंसर हो सकता है।
आकार - यह पंक्तियों और स्तंभों की एक साथ संख्या है।
हम कोड चलाने के लिए जुपिटर नोटबुक का उपयोग करेंगे। TensorFlow को 'pip install tensorflow' का उपयोग करके Jupyter नोटबुक पर स्थापित किया जा सकता है।
निम्नलिखित कोड है -
उदाहरण
import tensorflow as tf
A = tf.get_variable("A", initializer=tf.constant([0.1]))
b = tf.get_variable("b", initializer=tf.constant([0.0]))
x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
my_model = A * x + b
lossVal = tf.reduce_sum(tf.square(my_model − y))
my_optimizer = tf.train.GradientDescentOptimizer(0.01)
train = my_optimizer.minimize(lossVal)
x_train = [1.0, 2.5, 3.8, 4.9]
y_train = [1.7, 3.0, 6.6, 6.8]
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for i in range(1000):
sess.run(train, {x:x_train, y:y_train})
if i%100==0:
l_cost = sess.run(lossVal, {x:x_train, y:y_train})
print(f"i: {i} cost: {l_cost}")
l_A, l_b, l_cost = sess.run([A, b, lossVal], {x:x_train, y:y_train})
print(f"A: {l_A} b: {l_b} cost: {l_cost}") आउटपुट
i: 0 cost: 1.7808341979980469 i: 100 cost: 1.6947696208953857 i: 200 cost: 1.691591501235962 i: 300 cost: 1.6913959980010986 i: 400 cost: 1.6913844347000122 i: 500 cost: 1.6913840770721436 i: 600 cost: 1.6913843154907227 i: 700 cost: 1.691383719444275 i: 800 cost: 1.6913838386535645 i: 900 cost: 1.6913845539093018 A: [1.4599526] b: [0.07214472] cost: 1.6913845539093018
स्पष्टीकरण
-
उपयोग में आसानी के लिए आवश्यक पैकेज आयात करें और इसके लिए उपनाम प्रदान करें।
-
'my_model´' नाम का एक वेरिएबल परिभाषित किया गया है, जो एक लीनियर मॉडल के लिए सामान्य फ़ॉर्मैट को स्टोर करता है।
-
इस रैखिक मॉडल को 'ग्रैडिएंटडिसेंट ऑप्टिमाइज़र' का उपयोग करके प्रशिक्षित किया जाता है।
-
प्रशिक्षण इस तरह किया जाता है कि नुकसान कम से कम हो, जिसे 'न्यूनतम' पद्धति का उपयोग करके सुनिश्चित किया जाता है।
-
दो सूचियाँ बनाई जाती हैं जो प्रशिक्षण डेटा संग्रहीत करती हैं।
-
यह डेटा प्रशिक्षित है, और अनुमानित मान कंसोल पर प्रदर्शित होते हैं।