पायथन का उपयोग करके डेटासेट के माध्यम से पुनरावृत्ति करने और नमूना डेटा प्रदर्शित करने के लिए टेंसरफ्लो का उपयोग कैसे करें

टेंसरफ्लो गूगल द्वारा प्रदान किया गया एक मशीन लर्निंग फ्रेमवर्क है। यह एक ओपन-सोर्स फ्रेमवर्क है जिसे पायथन के साथ संयोजन में एल्गोरिदम, डीप लर्निंग एप्लिकेशन और बहुत कुछ लागू करने के लिए उपयोग किया जाता है। यह शोध और उत्पादन उद्देश्यों के लिए उपयोग किया जाता है। इसमें ऑप्टिमाइज़ेशन तकनीकें हैं जो जटिल गणितीय संचालन को तेज़ी से करने में मदद करती हैं। ऐसा इसलिए है क्योंकि यह NumPy और बहु-आयामी सरणियों का उपयोग करता है। इन बहु-आयामी सरणियों को 'टेंसर्स' के रूप में भी जाना जाता है। 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 कई मशीन लर्निंग लाइब्रेरी के साथ आता है और अच्छी तरह से समर्थित और प्रलेखित है। 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।

'tensorflow' पैकेज को विंडोज पर नीचे दिए गए कोड की लाइन का उपयोग करके इंस्टॉल किया जा सकता है:

pip install tensorflow

टेंसर टेंसरफ्लो 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 रूप में जाना जाता है। टेंसर्स एक बहु-आयामी सरणी या सूची के अलावा और कुछ नहीं हैं। उन्हें तीन मुख्य विशेषताओं का उपयोग करके पहचाना जा सकता है:

• रैंक - यह टेंसर की डाइमेंशनैलिटी के बारे में बताता है। इसे टेंसर के क्रम या टेंसर में परिभाषित 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, दो-आयामी या n-आयामी टेंसर हो सकता है।

• आकार - यह पंक्तियों और स्तंभों की संख्या को एक साथ दर्शाता है।

हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के शीर्ष पर बनाया गया है।

उदाहरण

print("प्रशिक्षण डेटा के माध्यम से पुनरावृत्ति")
for i, label in enumerate(raw_train_ds.class_names):
    print("लेबल", i, "मैप करता है", label)
print("प्रशिक्षण पैरामीटर परिभाषित किए गए हैं")
raw_val_ds = preprocessing.text_dataset_from_directory(
    train_dir,
    batch_size=batch_size,
    validation_split=0.25,
    subset='validation',
    seed=seed)
print("टेस्ट डेटासेट तैयार किया जा रहा है")
test_dir = dataset_dir/'test'
raw_test_ds = preprocessing.text_dataset_from_directory(
    test_dir, batch_size=batch_size)

कोड क्रेडिट - https://www.tensorflow.org/tutorials/load_data/text

आउटपुट

प्रशिक्षण डेटा के माध्यम से पुनरावृत्ति
लेबल 0 मैप करता है csharp
लेबल 1 मैप करता है java
लेबल 2 मैप करता है javascript
लेबल 3 मैप करता है python
प्रशिक्षण पैरामीटर परिभाषित किए गए हैं
8000 फाइलें मिलीं जो 4 वर्गों से संबंधित हैं। 2000 फाइलों का उपयोग सत्यापन के लिए किया जा रहा है।
टेस्ट डेटासेट तैयार किया जा रहा है
8000 फाइलें मिलीं जो 4 वर्गों से संबंधित हैं।

व्याख्या

• प्रशिक्षण डेटा के माध्यम से पुनरावृत्ति की जाती है।

• प्रशिक्षण, टेस्ट और सत्यापन सेट के लिए पंक्तियों की संख्या कंसोल पर प्रदर्शित की जाती है।

• 'text_dataset_from_directory' यूटिलिटी का उपयोग करके डेटा को प्री-प्रोसेस किया जाता है।