একটি কনভোলিউশনাল নিউরাল নেটওয়ার্ককে 'মূল্যায়ন' পদ্ধতি ব্যবহার করে মূল্যায়ন করা যেতে পারে। এই পদ্ধতিটি তার পরামিতি হিসাবে পরীক্ষার ডেটা নেয়। এর আগে, 'matplotlib' লাইব্রেরি এবং 'imshow' পদ্ধতি ব্যবহার করে কনসোলে ডেটা প্লট করা হয়।
আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?
কনভোল্যুশনাল নিউরাল নেটওয়ার্কগুলি একটি নির্দিষ্ট ধরণের সমস্যার জন্য দুর্দান্ত ফলাফল তৈরি করতে ব্যবহার করা হয়েছে, যেমন চিত্র সনাক্তকরণ।
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।
print("Plotting accuracy versus epoch")
plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label = 'val_accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.ylim([0.5, 1])
plt.legend(loc='lower right')
print("The model is being evaluated")
test_loss, test_acc = model.evaluate(test_images,test_labels, verbose=2)
print("The accuracy of the model is:")
print(test_acc) কোড ক্রেডিট:https://www.tensorflow.org/tutorials/images/cnn
আউটপুট
Plotting accuracy versus epoch The model is being evaluated 313/313 - 3s - loss: 0.8884 - accuracy: 0.7053 The accuracy of the model is: 0.705299973487854
ব্যাখ্যা
- নির্ভুলতা বনাম যুগের ডেটা কল্পনা করা হয়৷ ৷
- এটি ম্যাটপ্লটলিব লাইব্রেরি ব্যবহার করে করা হয়।
- মডেলটি মূল্যায়ন করা হয়, এবং ক্ষতি এবং নির্ভুলতা নির্ধারণ করা হয়।
