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 के गुण
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। इनकी पहचान तीन मुख्य गुणों का उपयोग करके की जा सकती है:
रैंक - यह टेंसर की आयामिकता के बारे में बताता है। इसे टेंसर के क्रम या परिभाषित टेंसर में आयामों की संख्या के रूप में समझा जा सकता है।
टाइप - यह टेंसर के तत्वों से जुड़े डेटा टाइप के बारे में बताता है। यह एक आयामी, द्वि-आयामी या n-आयामी टेंसर हो सकता है।
शेप - यह एक साथ पंक्तियों और स्तंभों की संख्या है।
हम कोड चलाने के लिए Jupyter Notebook का उपयोग करेंगे। TensorFlow को Jupyter Notebook पर 'pip install tensorflow' का उपयोग करके इंस्टॉल किया जा सकता 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
व्याख्या
- आवश्यक पैकेज आयात करें और उपयोग में आसानी के लिए इसके लिए एक उपनाम प्रदान करें।
- 'my_model' नामक एक वेरिएबल परिभाषित किया गया है, जो रैखिक मॉडल के सामान्य प्रारूप को संग्रहीत करता है।
- इस रैखिक मॉडल को 'GradientDescentOptimizer' का उपयोग करके प्रशिक्षित किया जाता है।
- प्रशिक्षण इस तरह से किया जाता है कि हानि न्यूनतम हो, जिसे 'minimize' विधि का उपयोग करके सुनिश्चित किया जाता है।
- दो सूचियां बनाई जाती हैं जो प्रशिक्षण डेटा संग्रहीत करती हैं।
- इस डेटा को प्रशिक्षित किया जाता है, और भविष्यवाणी किए गए मान कंसोल पर प्रदर्शित किए जाते हैं।
