एक सिक्वेंशियल मॉडल 'Sequential' API का उपयोग करके बनाया जा सकता है जो 'layers.experimental.preprocessing.Rescaling' मेथड का उपयोग करता है। मॉडल बनाते समय अन्य लेयर्स निर्दिष्ट की जाती हैं।
और पढ़ें: TensorFlow क्या है और केरस (Keras) TensorFlow के साथ कैसे काम करता है न्यूरल नेटवर्क बनाने के लिए?
हम केरस सिक्वेंशियल API का उपयोग करेंगे, जो एक सिक्वेंशियल मॉडल बनाने में सहायक है जो लेयर्स के एक साधारण स्टैक के साथ काम करता है, जहां प्रत्येक लेयर में ठीक एक इनपुट टेंसर और एक आउटपुट टेंसर होता है।
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।
print("Sequential model is being created") num_classes = 5 model = Sequential([ layers.experimental.preprocessing.Rescaling(1./255, input_shape=(img_height, img_width, 3)), layers.Conv2D(16, 3, padding='same', activation='relu'), layers.MaxPooling2D(), layers.Conv2D(32, 3, padding='same', activation='relu'), layers.MaxPooling2D(), layers.Conv2D(64, 3, padding='same', activation='relu'), layers.MaxPooling2D(), layers.Flatten(), layers.Dense(128, activation='relu'), layers.Dense(num_classes) ])
कोड क्रेडिट: https://www.tensorflow.org/tutorials/images/classification
आउटपुट
Sequential model is being created
व्याख्या
- मॉडल में तीन कन्वोल्यूशन ब्लॉक और उनमें से प्रत्येक में एक मैक्स पूल लेयर होता है।
- इसके शीर्ष पर 128 यूनिट्स के साथ एक फुली कनेक्टेड लेयर भी होता है।
- यह एक relu एक्टिवेशन फंक्शन द्वारा सक्रिय होता है।
- यह मॉडल उच्च सटीकता के लिए ट्यून नहीं किया गया है।
- तीन लेयर्स के साथ एक सिक्वेंशियल मॉडल बनाया गया है।
