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।
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 एक बहुआयामी सरणी या सूची के अलावा कुछ नहीं हैं।
हम इलियड के डेटासेट का उपयोग करेंगे, जिसमें विलियम कूपर, एडवर्ड (डर्बी के अर्ल), और सैमुअल बटलर के तीन अनुवाद कार्यों का टेक्स्ट डेटा होता है। मॉडल को एकल लाइन टेक्स्ट दिए जाने पर अनुवादक की पहचान करने के लिए प्रशिक्षित किया जाता है। उपयोग की गई टेक्स्ट फ़ाइलों को प्रीप्रोसेस किया गया है। इसमें दस्तावेज़ हेडर और फुटर, लाइन नंबर और अध्याय शीर्षक को हटाना शामिल है।
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
निम्न कोड स्निपेट:
print("नए डेटा पर मॉडल का परीक्षण")
inputs = [
"the allies, and his armour flashed about him so that he seemed to all",
"And with loud clangor of his arms he fell.",
"Join'd to th' Ionians with their flowing robes,",
]
print("predict विधि को कॉल किया जा रहा है")
predicted_scores = export_model.predict(inputs)
predicted_labels = tf.argmax(predicted_scores, axis=1)
for input, label in zip(inputs, predicted_labels):
print("प्रश्न है:", input)
print("भविष्यवाणी किया गया लेबल है:", label.numpy())
कोड क्रेडिट: TensorFlow ट्यूटोरियल
आउटपुट
नए डेटा पर मॉडल का परीक्षण predict विधि को कॉल किया जा रहा है प्रश्न है: the allies, and his armour flashed about him so that he seemed to all भविष्यवाणी किया गया लेबल है: 2 प्रश्न है: And with loud clangor of his arms he fell. भविष्यवाणी किया गया लेबल है: 0 प्रश्न है: Join'd to th' Ionians with their flowing robes, भविष्यवाणी किया गया लेबल है: 1
व्याख्या
- एक बार डेटा कंपाइल हो जाने और प्रशिक्षण डेटा में फिट हो जाने के बाद, इसे कभी न देखे गए डेटा पर परीक्षण किया जाता है।
- टेस्ट डेटा पर 'predict' विधि को कॉल किया जाता है।
- इसके संबंधित प्रश्न के साथ भविष्यवाणी किए गए लेबल के कुछ नमूने प्रदर्शित किए जाते हैं।
