পাইথন ব্যবহার করে একটি অনুমানকারীকে তাৎক্ষণিকভাবে টেনসরফ্লো কীভাবে ব্যবহার করা যেতে পারে?

টেনসরফ্লো লাইব্রেরির 'এস্টিমেটর' ক্লাসে উপস্থিত 'DNNCclassifier' পদ্ধতি ব্যবহার করে Tensorflow ব্যবহার করে একটি অনুমানকারীকে ইনস্ট্যান্ট করা যেতে পারে।

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।

টেনসরফ্লো টেক্সটে টেক্সট সম্পর্কিত ক্লাস এবং অপ্সের সংগ্রহ রয়েছে যা টেনসরফ্লো 2.0 এর সাথে ব্যবহার করা যেতে পারে। টেনসরফ্লো টেক্সটটি সিকোয়েন্স মডেলিং প্রিপ্রসেস করতে ব্যবহার করা যেতে 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।

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

মডেলটি আইরিস ডেটা সেট ব্যবহার করে প্রশিক্ষিত।

উদাহরণ

মুদ্রণ("একটি DNN তৈরি করুন যাতে প্রতিটিতে 30 এবং 10টি লুকানো নোড সহ 2টি লুকানো স্তর রয়েছে")শ্রেণীবিভাগ =tf.estimator.DNNCclassifier( feature_columns=my_feature_columns, hidden_units=[30, 10], n_presses=3)> 

 কোড ক্রেডিট −https://www.tensorflow.org/tutorials/estimator/premade#first_things_first
 
আউটপুট
 
একটি DNN তৈরি করুন যাতে প্রতিটিতে 30 এবং 10টি লুকানো নোড সহ 2টি লুকানো স্তর রয়েছেINFO:tensorflow:ডিফল্ট কনফিগারেশন ব্যবহার করা। সতর্কতা:tensorflow:মডেল ডিরেক্টরি হিসাবে অস্থায়ী ফোল্ডার ব্যবহার করা:/tmp/tmpdh8866zbINFO:tensorflow:config_del ব্যবহার করা:{'_model :'/tmp/tmpdh8866zb', '_tf_random_seed':কোনোটিই নয়, '_save_summary_steps':100, '_save_checkpoints_steps':কোনোটিই নয়, '_save_checkpoints_secs':600, '_session_config':allowance_move_toption} {removie_program_configment}:{removie_program_confirmone_section_configment}:allow ':5, '_keep_checkpoint_every_n_hours':10000, '_log_step_count_steps':100, '_train_distribute':কোনোটিই নয়, '_device_fn':কোনোটিই নয়, '_protocol':কোনোটিই নয়, '_eval_distribute':n_explayer':'n_explayer' কোনটিই নয়, '_session_creation_timeout_secs':7200, '_checkpoint_save_graph_def':True, '_service':None, '_cluster_spec':ClusterSpec({}), '_task_type':'worker', '_task_id':_luster':_luster':'_master':'', '_evaluation_master':'', ' _is_chief':সত্য, '_num_ps_replicas':0, '_num_worker_replicas':1}
 
ব্যাখ্যা
 
 
আইরিস সমস্যাকে শ্রেণিবিন্যাস সমস্যা হিসেবে বিবেচনা করা হয়।
 
টেনসরফ্লো অনেক আগে থেকে তৈরি ক্লাসিফায়ার এস্টিমেটরের সাথে আসে, যার মধ্যে রয়েছে −
 
tf.estimator.DNNCclassifier গভীর মডেলের জন্য যা বহু-শ্রেণীর শ্রেণীবিভাগ সম্পাদন করে।
 
tf.estimator.DNNLinearCombinedClassifier প্রশস্ত এবং গভীর মডেলের জন্য।
 
tf.estimator.LinearClassifier রৈখিক মডেলের উপর ভিত্তি করে শ্রেণিবিন্যাসকারীদের জন্য।
 
 
 
আইরিস সমস্যার জন্য, আমরা tf.estimator ব্যবহার করি।