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।
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
print("Three dense layers are being created") layer = layers.Dense(3) print("The weights associated with the layers are") print(layer.weights) print("The created layers is called on test data") x = tf.ones((2, 3)) y = layer(x) print("Now, the weights are : ") print(layer.weights)कोड क्रेडिट - https://www.tensorflow.org/guide/keras/sequential_model
आउटपुट
Three dense layers are being created The weights associated with the layers are [] The created layers is called on test data Now, the weights are : [<tf.Variable 'dense_11/kernel:0' shape=(3, 3) dtype=float32, numpy= array([[-0.9901273 , -0.70897937, -0.44804883], [ 0.6849613 , 0.5198808 , 0.48534775], [-0.07876515, -0.73648643, 0.44018626]], dtype=float32)>, <tf.Variable 'dense_11/bias:0' shape=(3,) dtype=float32, numpy=array([0., 0., 0.], dtype=float32)>]
व्याख्या
Keras मॉडल में सभी लेयर्स को इष्टतम वजन बनाने के लिए इनपुट के आकार को जानने की आवश्यकता होती है।
प्रारंभ में, जब एक लेयर बनाई जाती है, तो इससे कोई वजन जुड़ा नहीं होता।
इसलिए, यह पहली बार इनपुट पर कॉल किए जाने पर वजन बनाता है।
ऐसा इसलिए है क्योंकि वजन इनपुट के आकार पर निर्भर करते हैं।
लेयर्स क्रमिक रूप से बनाई जाती हैं।
इसे टेस्ट डेटा पर कॉल किया जाता है।
इस नए मॉडल से जुड़े वजन कंसोल पर प्रदर्शित किए जाते हैं।
