Tensorflow Google द्वारा प्रदान किया गया एक मशीन लर्निंग फ्रेमवर्क है। यह एक ओपन-सोर्स फ्रेमवर्क है जिसे Python के साथ संयोजन में एल्गोरिदम, डीप लर्निंग एप्लिकेशन, और बहुत कुछ लागू करने के लिए उपयोग किया जाता है। इसका उपयोग शोध और उत्पादन उद्देश्यों के लिए किया जाता है।
Tensor, TensorFlow में उपयोग की जाने वाली एक डेटा संरचना है। यह फ्लो डायग्राम में एज को कनेक्ट करने में मदद करता है। इस फ्लो डायग्राम को 'डेटा फ्लो ग्राफ' के रूप में जाना जाता है। Tensors एक बहुआयामी सरणी या सूची के अलावा कुछ नहीं हैं।
Keras का ग्रीक में अर्थ 'हॉर्न' होता है। Keras को ONEIROS (ओपन-एंडेड न्यूरो-इलेक्ट्रॉनिक इंटेलिजेंट रोबोट ऑपरेटिंग सिस्टम) प्रोजेक्ट के शोध के हिस्से के रूप में विकसित किया गया था। Keras एक डीप लर्निंग API है, जो Python में लिखा गया है। यह एक हाई-लेवल API है जिसमें एक उत्पादक इंटरफ़ेस है जो मशीन लर्निंग समस्याओं को हल करने में मदद करता है।
यह Tensorflow फ्रेमवर्क के शीर्ष पर चलता है। इसे त्वरित प्रयोग में मदद करने के लिए बनाया गया था। यह आवश्यक अमूर्तता और बिल्डिंग ब्लॉक प्रदान करता है जो मशीन लर्निंग समाधानों को विकसित और एनकैप्सुलेट करने में आवश्यक हैं।
यह अत्यधिक स्केलेबल है और क्रॉस-प्लेटफ़ॉर्म क्षमताओं के साथ आता है। इसका मतलब है कि Keras को TPU या GPU के क्लस्टर पर चलाया जा सकता है। Keras मॉडल को वेब ब्राउज़र या मोबाइल फोन पर चलाने के लिए एक्सपोर्ट भी किया जा सकता है।
Keras पहले से ही Tensorflow पैकेज के भीतर मौजूद है। इसे नीचे दिए गए कोड की लाइन का उपयोग करके एक्सेस किया जा सकता है।
import tensorflow from tensorflow import keras
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 और GPU (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के शीर्ष पर बनाया गया है। कोड स्निपेट निम्नलिखित है:
उदाहरण
model = keras.Sequential([ keras.Input(shape=(784)) layers.Dense(32, activation='relu'), layers.Dense(32, activation='relu'), layers.Dense(32, activation='relu'), layers.Dense(10), ]) print("Load the pre-trained weights") model.load_weights(...) print("Freeze all the layers except the last layer") for layer in model.layers[:-1]: layer.trainable = False print("Recompile the model and train it") print("The last layer weights will be updated") model.compile(...) model.fit(...)कोड क्रेडिट - https://www.tensorflow.org/guide/keras/sequential_model
आउटपुट
Load the pre-trained weights Freeze all the layers except the last layer Recompile the model and train it The last layer weights will be updated
व्याख्या
ट्रांसफर लर्निंग मॉडल में निचली लेयर्स को फ्रीज़ करने और ऊपरी लेयर्स को प्रशिक्षित करने को इंगित करता है।
Sequential मॉडल बनाया जाता है।
पुराने मॉडल के प्री-ट्रेंड वेट लोड किए जाते हैं और इस मॉडल के साथ बांधे जाते हैं।
निचली लेयर्स को अंतिम लेयर को छोड़कर फ्रीज़ किया जाता है।
लेयर्स पर पुनरावृति की जाती है और अंतिम लेयर को छोड़कर हर लेयर के लिए 'layer.trainable' को 'False' पर सेट किया जाता है।
इसे संकलित किया जाता है और डेटा में फिट किया जाता है।
