সিকোয়েনশিয়াল মডেল প্রাসঙ্গিক যখন লেয়ারগুলির একটি সাদা স্ট্যাক থাকে। এই স্ট্যাকে প্রতিটি লেয়ারের ঠিক একটি ইনপুট টেনসর এবং একটি আউটপুট টেনসর থাকে। এটি উপযুক্ত নয় যখন মডেলের একাধিক ইনপুট বা একাধিক আউটপুট থাকে। এটি উপযুক্ত নয় যখন লেয়ারগুলো শেয়ার করতে হয়। এটি উপযুক্ত নয় যখন লেয়ারের একাধিক ইনপুট বা একাধিক আউটপুট থাকে। এটি উপযুক্ত নয় যখন একটি নন-লিনিয়ার আর্কিটেকচার প্রয়োজন হয়।
TensorFlow হল Google প্রদত্ত একটি মেশিন লার্নিং ফ্রেমওয়ার্ক। এটি একটি ওপেন-সোর্স ফ্রেমওয়ার্ক যা পাইথনের সাথে সংযোগে অ্যালগরিদম, ডিপ লার্নিং অ্যাপ্লিকেশন ইত্যাদি বাস্তবায়নে ব্যবহৃত হয়। এটি গবেষণা এবং প্রোডাকশন উদ্দেশ্যে ব্যবহৃত হয়। এতে জটিল গাণিতিক অপারেশন দ্রুত সম্পাদনের জন্য অপ্টিমাইজেশন কৌশল রয়েছে।
এটি NumPy এবং মাল্টি-ডাইমেনশনাল অ্যারে ব্যবহার করার কারণে। এই মাল্টি-ডাইমেনশনাল অ্যারেগুলোকে 'টেনসর'ও বলা হয়। ফ্রেমওয়ার্কটি ডিপ নিউরাল নেটওয়ার্কের সাথে কাজ করা সাপোর্ট করে। এটি অত্যন্ত স্কেলেবল, অনেক জনপ্রিয় ডেটাসেট নিয়ে আসে। এটি GPU কম্পিউটেশন ব্যবহার করে এবং রিসোর্স ম্যানেজমেন্ট অটোমেট করে। এতে অসংখ্য মেশিন লার্নিং লাইব্রেরি থাকে এবং এটি ভালোভাবে ডকুমেন্টেড এবং সাপোর্টেড। ফ্রেমওয়ার্কটিতে ডিপ নিউরাল নেটওয়ার্ক মডেল চালানো, সেগুলো ট্রেন করা এবং প্রাসঙ্গিক ডেটাসেটের বৈশিষ্ট্য পূর্বাভাস করার অ্যাপ্লিকেশন তৈরি করার ক্ষমতা রয়েছে।
'tensorflow' প্যাকেজটি উইন্ডোজে নিচের কোড দিয়ে ইনস্টল করা যায়:
pip install tensorflow
টেনসর TensorFlow-এ ব্যবহৃত একটি ডেটা স্ট্রাকচার। এটি একটি ফ্লো ডায়াগ্রামে এজ সংযোগ করতে সাহায্য করে। এই ফ্লো ডায়াগ্রামকে 'Data flow graph' বলা হয়। টেনসরসমূহ আসলে মাল্টি-ডাইমেনশনাল অ্যারে বা একটি লিস্ট। এগুলো তিনটি মূল অ্যাট্রিবিউট ব্যবহার করে চিহ্নিত করা যায়:
Rank - এটি টেনসরের ডাইমেনশনালিটি সম্পর্কে বলে। এটি টেনসরের অর্ডার বা টেনসরে সংজ্ঞায়িত ডাইমেনশনের সংখ্যা হিসেবে বোঝা যায়।
Type - এটি টেনসরের উপাদানগুলির সাথে যুক্ত ডেটা টাইপ সম্পর্কে বলে। এটি এক-ডাইমেনশনাল, দুই-ডাইমেনশনাল বা n-ডাইমেনশনাল টেনসর হতে পারে।
Shape - এটি সারি এবং কলামের মিলিত সংখ্যা।
Keras হল গ্রিক শব্দ যার অর্থ 'হরিণের সিং'। Keras ONEIROS (Open ended Neuro-Electronic Intelligent Robot Operating System) প্রকল্পের গবেষণার অংশ হিসেবে বিকসিত হয়েছিল। Keras একটি ডিপ লার্নিং API, যা পাইথনে লেখা হয়েছে। এটি একটি হাই-লেভেল API যার প্রোডাক্টিভ ইন্টারফেস মেশিন লার্নিং সমস্যা সমাধানে সাহায্য করে। এটি TensorFlow ফ্রেমওয়ার্কের উপরে চলে। এটি দ্রুত পরীক্ষা-নিরীক্ষা করার জন্য তৈরি করা হয়েছে। এটি মেশিন লার্নিং সমাধান বিকাশ এবং এনক্যাপসুলেট করার জন্য অতিরিক্ত абস্ট্রাকশন এবং বিল্ডিং ব্লক সরবরাহ করে।
Keras ইতিমধ্যে TensorFlow প্যাকেজের মধ্যে রয়েছে। নিচের কোড দিয়ে এটি অ্যাক্সেস করা যায়:
import tensorflow from tensorflow import keras
নিচের কোড চালাতে আমরা Google Colaboratory ব্যবহার করছি। Google Colab বা Colaboratory ব্রাউজারের মাধ্যমে পাইথন কোড চালাতে সাহায্য করে এবং এটি শূন্য কনফিগারেশনের সাথে ফ্রি GPU অ্যাক্সেস প্রদান করে। Colaboratory Jupyter Notebook-এর উপরে তৈরি।
TensorFlow-এ Keras সহ সিকোয়েনশিয়াল মডেল তৈরির উদাহরণ দেখি:
উদাহরণ
print("A sequential model is being created")
model = keras.Sequential()
model.add(layers.Dense(2, activation="relu"))
model.add(layers.Dense(3, activation="relu"))
model.add(layers.Dense(4))
print("Dense layers have been added to the model")
কোড ক্রেডিট: https://www.tensorflow.org/guide/keras/sequential_model
আউটপুট
A sequential model is being created Dense layers have been added to the model
ব্যাখ্যা
এটি Keras-এ পাইথন ব্যবহার করে সিকোয়েনশিয়াল মডেল তৈরি করার একটি বিকল্প পদ্ধতি এবং এতে লেয়ার যোগ করা।
একটি ভেরিয়েবলে 'sequential' মেথড কল অ্যাসাইন করা হয়।
এই ভেরিয়েবলের সাথে 'add' মেথড ব্যবহার করে মডেলের জন্য লেয়ার তৈরি করা হয়।
লেয়ারগুলো যোগ হলে ডেটা কনসোলে প্রদর্শিত হয়।
