পাইথন ব্যবহার করে ডেটার মূল্যায়ন এবং ভবিষ্যদ্বাণী করার জন্য টেনসরফ্লো এবং প্রাক-প্রশিক্ষিত মডেল কীভাবে ব্যবহার করা যেতে পারে?

টেনসরফ্লো এবং প্রাক-প্রশিক্ষিত মডেলটি 'মূল্যায়ন' এবং 'ভবিষ্যদ্বাণী' পদ্ধতি ব্যবহার করে ডেটার মূল্যায়ন এবং ভবিষ্যদ্বাণীর জন্য ব্যবহার করা যেতে পারে। ইনপুট ছবির ব্যাচ প্রথমে সমতল করা হয়। সিগময়েড ফাংশনটি মডেলে প্রয়োগ করা হয় যাতে এটি লগিট মান ফিরিয়ে দেয়।

আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?

একটি নিউরাল নেটওয়ার্ক যা অন্তত একটি স্তর ধারণ করে একটি কনভোলিউশনাল স্তর হিসাবে পরিচিত। আমরা শেখার মডেল তৈরি করতে কনভোলিউশনাল নিউরাল নেটওয়ার্ক ব্যবহার করতে পারি।

আমরা বুঝতে পারব কিভাবে একটি প্রাক-প্রশিক্ষিত নেটওয়ার্ক থেকে শিক্ষা স্থানান্তরের সাহায্যে বিড়াল এবং কুকুরের ছবি শ্রেণীবদ্ধ করা যায়। ইমেজ শ্রেণীবিভাগের জন্য স্থানান্তর শেখার পিছনে অন্তর্দৃষ্টি হল, যদি একটি মডেলকে একটি বড় এবং সাধারণ ডেটাসেটে প্রশিক্ষণ দেওয়া হয়, তাহলে এই মডেলটি কার্যকরভাবে ভিজ্যুয়াল জগতের জন্য একটি জেনেরিক মডেল হিসাবে কাজ করতে ব্যবহার করা যেতে পারে। এটি বৈশিষ্ট্য মানচিত্রগুলি শিখেছে, যার অর্থ ব্যবহারকারীকে একটি বড় ডেটাসেটে একটি বড় মডেলের প্রশিক্ষণ দিয়ে স্ক্র্যাচ থেকে শুরু করতে হবে না৷

আরো পড়ুন: কিভাবে একটি কাস্টমাইজড মডেল প্রাক-প্রশিক্ষিত হতে পারে?

নিচের কোডটি চালানোর জন্য আমরা Google Colaboratory ব্যবহার করছি। Google Colab বা Colaboratory ব্রাউজারে Python কোড চালাতে সাহায্য করে এবং এর জন্য শূন্য কনফিগারেশন এবং GPUs (গ্রাফিক্যাল প্রসেসিং ইউনিট) তে বিনামূল্যে অ্যাক্সেস প্রয়োজন। জুপিটার নোটবুকের উপরে কোলাবোরেটরি তৈরি করা হয়েছে।

উদাহরণ

print("Evaluation and prediction")
loss, accuracy = model.evaluate(test_dataset)
print('Test accuracy is :', accuracy)
print("The batch of image from test set is retrieved")
image_batch, label_batch = test_dataset.as_numpy_iterator().next()
predictions = model.predict_on_batch(image_batch).flatten()
print("The sigmoid function is applied on the model, it returns logits")
predictions = tf.nn.sigmoid(predictions)
predictions = tf.where(predictions < 0.5, 0, 1)
print('Predictions are:\n', predictions.numpy())
print('Labels are:\n', label_batch)

কোড ক্রেডিট −https://www.tensorflow.org/tutorials/images/transfer_learning

আউটপুট

Evaluation and prediction
6/6 [==============================] - 3s 516ms/step - loss: 0.0276 - accuracy: 0.9844
Test accuracy is : 0.984375
The batch of image from test set is retrieved
The sigmoid function is applied on the model, it returns logits
Predictions are:
[1 1 1 1 0 0 1 0 1 0 0 0 1 0 1 0 0 0 1 1 1 0 1 0 0 1 1 1 0 1 0 1]
Labels are:
[1 1 1 1 0 0 1 0 1 0 0 0 1 0 1 0 0 0 1 1 1 0 1 0 0 1 1 1 0 1 0 1]

ব্যাখ্যা

• মডেলটি এখন ডেটার ভবিষ্যদ্বাণী ও মূল্যায়ন করতে ব্যবহার করা যেতে পারে।
• ভবিষ্যদ্বাণী করা হয় যখন একটি ছবি ইনপুট হিসাবে পাস করা হয়।
• ভবিষ্যদ্বাণীটি হতে হবে ছবিটি কুকুর নাকি বিড়াল।