একটি ঘন স্তর 'অ্যাড' পদ্ধতি ব্যবহার করে অনুক্রমিক মডেলে যোগ করা যেতে পারে এবং স্তরের ধরনটিকে 'ঘন' হিসাবে নির্দিষ্ট করে। স্তরগুলি প্রথমে সমতল করা হয়, এবং তারপর একটি স্তর যোগ করা হয়। এই নতুন স্তরটি সম্পূর্ণ প্রশিক্ষণ ডেটাসেটে প্রয়োগ করা হবে৷
৷আরো 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
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।
প্রিন্ট("শীর্ষে ঘন স্তর যোগ করা")model.add(layers.Flatten())model.add(layers.Dense(64, activation='relu'))model.add(layers.Dense(10) )প্রিন্ট("মডেলের সম্পূর্ণ আর্কিটেকচার")model.summary() কোড ক্রেডিট:https://www.tensorflow.org/tutorials/images/cnn
আউটপুট
<প্রে>উপরে ঘন স্তর যোগ করা মডেলের সম্পূর্ণ আর্কিটেকচার মডেল:"অনুক্রমিক_1"_________________________________________________________________ স্তর (টাইপ) আউটপুট আকৃতি পরম # ================================================================conv2d_3 (Conv2D) (কোনটিই নয়, 30, 30, 32) 896 _________________________________________________________________max_pooling2d_2 (MaxPooling2 (একটিও, 15, 15, 32) 0 _________________________________________________________________conv2d_4 (Conv2D) (কেউ না, 13, 13, 64) 18496 _________________________________________________________________max_pooling2d_3 (MaxPooling2 (একটিও, 6, 6, 64) 0 _________________________________________________________________conv2d_5 (Conv2D) (কেউ না, 4, 4, 64) 36928 _________________________________________________________________ চ্যাপ্টা (চ্যাপ্টা) (N one, 1024) 0 ___________________________________________________________ ঘন (ঘন) (কোনটিই নয়, 64) 65600 _________________________________________________________________ ঘনত্ব_1 (ঘন) (কোনটি নয়, 10) 650 ===========================================================মোট পরামিতি:122,570 প্রশিক্ষণযোগ্য প্যারামস:122,570 অ- প্রশিক্ষণযোগ্য পরামিতি:0____________________________________________________________________ব্যাখ্যা
- মডেলটি সম্পূর্ণ করতে, শ্রেণীবিন্যাস সম্পাদনের জন্য কনভোল্যুশনাল বেস (আকৃতির (4, 4, 64)) থেকে শেষ আউটপুট টেনসরকে এক বা একাধিক ঘন স্তরে খাওয়ানো হয়।
- ঘন স্তরগুলি ভেক্টরকে ইনপুট হিসাবে গ্রহণ করবে (যা 1D), এবং বর্তমান আউটপুট একটি 3D টেনসর।
- এরপর, 3D আউটপুটকে 1D তে চ্যাপ্টা করা হয় এবং উপরে এক বা একাধিক ঘন স্তর যুক্ত করা হয়।
- CIFAR-এর 10টি আউটপুট ক্লাস রয়েছে, তাই 10টি আউটপুট সহ একটি চূড়ান্ত ঘন স্তর যোগ করা হয়েছে৷
- দুটি ঘন স্তরের মধ্য দিয়ে যাওয়ার আগে (4, 4, 64) আউটপুটগুলি আকৃতির ভেক্টরে (1024) সমতল করা হয়৷
