পাইথন ব্যবহার করে টাইটানিক ডেটাসেট পরিদর্শন করতে এস্টিমেটরদের সাথে টেনসরফ্লো কীভাবে ব্যবহার করা যেতে পারে?

টাইটানিক ডেটাসেটটি টেনসরফ্লো এবং অনুমানকারী ব্যবহার করে পরিদর্শন করা যেতে পারে, বৈশিষ্ট্যগুলির মাধ্যমে পুনরাবৃত্তি করে এবং বৈশিষ্ট্যগুলিকে একটি তালিকায় রূপান্তর করে এবং কনসোলে এটি প্রদর্শন করে।

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

আমরা কেরাস সিকোয়েন্সিয়াল এপিআই ব্যবহার করব, যা একটি অনুক্রমিক মডেল তৈরি করতে সহায়ক যা স্তরগুলির একটি প্লেইন স্ট্যাকের সাথে কাজ করতে ব্যবহৃত হয়, যেখানে প্রতিটি স্তরে একটি ইনপুট টেনসর এবং একটি আউটপুট টেনসর রয়েছে৷

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।

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।

একটি অনুমানকারী হল TensorFlow-এর একটি সম্পূর্ণ মডেলের উচ্চ-স্তরের উপস্থাপনা। এটি সহজ স্কেলিং এবং অ্যাসিঙ্ক্রোনাস প্রশিক্ষণের জন্য ডিজাইন করা হয়েছে৷

আমরা tf.estimator API ব্যবহার করে একটি লজিস্টিক রিগ্রেশন মডেল প্রশিক্ষণ দেব। মডেলটি অন্যান্য অ্যালগরিদমের জন্য একটি বেসলাইন হিসাবে ব্যবহৃত হয়। আমরা যাত্রীদের বেঁচে থাকার পূর্বাভাস দেওয়ার লক্ষ্যে টাইটানিক ডেটাসেট ব্যবহার করি, প্রদত্ত বৈশিষ্ট্য যেমন লিঙ্গ, বয়স, শ্রেণী ইত্যাদি।

মডেলটি কাঁচা ইনপুট বৈশিষ্ট্যগুলিকে কীভাবে ব্যাখ্যা করবে তা বর্ণনা করতে অনুমানকারী বৈশিষ্ট্য কলামগুলি ব্যবহার করে৷ একজন অনুমানকারী সাংখ্যিক ইনপুটগুলির একটি ভেক্টর আশা করে, এবং বৈশিষ্ট্য কলামগুলি বর্ণনা করতে সাহায্য করবে যে মডেলটিকে ডেটাসেটের প্রতিটি বৈশিষ্ট্যকে কীভাবে রূপান্তর করা উচিত। একটি কার্যকরী মডেল শেখার জন্য ফিচার কলামের সঠিক সেট নির্বাচন এবং ব্যবহার করা অপরিহার্য।

উদাহরণ

print("The dataset is being inspected")
ds = make_input_fn(dftrain, y_train, batch_size=10)()
for feature_batch, label_batch in ds.take(1):
print('Some feature keys are:', list(feature_batch.keys()))
print()
print('A batch of class:', feature_batch['class'].numpy())
print()
print('A batch of Labels:', label_batch.numpy())

কোড ক্রেডিট −https://www.tensorflow.org/tutorials/estimator/linear

আউটপুট

The dataset is being inspected
Some feature keys are: ['sex', 'age', 'n_siblings_spouses', 'parch', 'fare', 'class', 'deck', 'embark_town', 'alone']
A batch of class: [b'First' b'First' b'First' b'Third' b'Third' b'Third' b'First' b'Third'
b'Second' b'Third']
A batch of Labels: [0 1 1 0 0 0 1 0 0 0]

ব্যাখ্যা

• ডেটাসেট পরিদর্শন করা হয়েছে।
• ফিচার কী, লেবেল এবং ক্লাস কনসোলে প্রদর্শিত হয়।
• এটি ডেটাসেটের একটি ব্যাচের উপর পুনরাবৃত্তি করে করা হয়।