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। इसमें ऑप्टिमाइज़ेशन तकनीकें हैं जो जटिल गणितीय संक्रियाओं को तेज़ी से करने में मदद करती हैं।
ऐसा इसलिए है क्योंकि यह NumPy और बहुआयामी सरणियों का उपयोग करता है। इन बहुआयामी सरणियों को 'टेंसर' के रूप में भी जाना जाता है। यह फ्रेमवर्क डीप न्यूरल नेटवर्क के साथ काम करने का समर्थन करता है। यह अत्यधिक स्केलेबल है, और कई लोकप्रिय डेटासेट के साथ आता है। यह GPU गणना का उपयोग करता है और संसाधनों के प्रबंधन को स्वचालित करता है। यह अनेक मशीन लर्निंग लाइब्रेरी के साथ आता है, और अच्छी तरह से समर्थित और प्रलेखित है। इस फ्रेमवर्क में डीप न्यूरल नेटवर्क मॉडल चलाने, उन्हें प्रशिक्षित करने, और संबंधित डेटासेट की प्रासंगिक विशेषताओं की भविष्यवाणी करने वाले एप्लिकेशन बनाने की क्षमता 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 इन कोड को 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
import numpy as np
matrix_1 = np.array([(1,2,3),(3,2,1),(1,1,1)], dtype='int32')
matrix_2 = np.array([(0,0,0),(-1,0,1),(3,3,4)], dtype='int32')
print("पहली मैट्रिक्स है")
print(matrix_1)
print("दूसरी मैट्रिक्स है")
print(matrix_2)
print("योग है")
matrix_1 = tf.constant(matrix_1)
matrix_2 = tf.constant(matrix_2)
matrix_sum = tf.add(matrix_1, matrix_2)
print(matrix_sum)
आउटपुट
पहली मैट्रिक्स है [[1 2 3] [3 2 1] [1 1 1]] दूसरी मैट्रिक्स है [[ 0 0 0] [-1 0 1] [ 3 3 4]] योग है tf.Tensor( [[1 2 3] [2 2 2] [4 4 5]], shape=(3, 3), dtype=int32)
व्याख्या
- आवश्यक पैकेज आयात करें और उपयोग में आसानी के लिए इसके लिए एक उपनाम प्रदान करें।
- NumPy पैकेज का उपयोग करके दो मैट्रिक्स बनाई जाती हैं।
- उन्हें NumPy सरणी से TensorFlow में एक स्थिर मान में परिवर्तित किया जाता है।
- TensorFlow में 'add' फ़ंक्शन का उपयोग मैट्रिक्स में मानों को जोड़ने के लिए किया जाता है।
- परिणामी योग कंसोल पर प्रदर्शित किया जाता है।
