পাইথনে টেনসরফ্লো সহ একটি অনুক্রমিক মডেল কখন ব্যবহার করা উচিত? একটি উদাহরণ দিন

একটি অনুক্রমিক মডেল প্রাসঙ্গিক হয় যখন স্তরগুলির একটি প্লেইন স্ট্যাক থাকে৷ এই স্ট্যাকে, প্রতিটি স্তরে ঠিক একটি ইনপুট টেনসর এবং একটি আউটপুট টেনসর রয়েছে। মডেলটিতে একাধিক ইনপুট বা একাধিক আউটপুট থাকলে এটি উপযুক্ত নয়। যখন স্তরগুলি ভাগ করা প্রয়োজন তখন এটি উপযুক্ত নয়। স্তরটিতে একাধিক ইনপুট বা একাধিক আউটপুট থাকলে এটি উপযুক্ত নয়। যখন একটি নন-লিনিয়ার আর্কিটেকচারের প্রয়োজন হয় তখন এটি উপযুক্ত নয়।

Tensorflow হল একটি মেশিন লার্নিং ফ্রেমওয়ার্ক যা Google প্রদান করে। এটি একটি ওপেন-সোর্স ফ্রেমওয়ার্ক যা পাইথনের সাথে অ্যালগরিদম, গভীর শিক্ষার অ্যাপ্লিকেশন এবং আরও অনেক কিছু বাস্তবায়নের জন্য ব্যবহৃত হয়। এটি গবেষণা এবং উত্পাদন উদ্দেশ্যে ব্যবহৃত হয়। এটিতে অপ্টিমাইজেশন কৌশল রয়েছে যা জটিল গাণিতিক ক্রিয়াকলাপগুলি দ্রুত সম্পাদন করতে সহায়তা করে। কারণ এটি NumPy এবং বহুমাত্রিক অ্যারে ব্যবহার করে। এই মাল্টি-ডাইমেনশনাল অ্যারেগুলি 'টেনসর' নামেও পরিচিত।

ONEIROS (ওপেন এন্ডেড নিউরো−ইলেক্ট্রনিক ইন্টেলিজেন্ট রোবট অপারেটিং সিস্টেম) প্রকল্পের গবেষণার অংশ হিসেবে কেরাস তৈরি করা হয়েছিল। কেরাস একটি গভীর শিক্ষার API, যা পাইথনে লেখা। এটি একটি উচ্চ-স্তরের API যার একটি উত্পাদনশীল ইন্টারফেস রয়েছে যা মেশিন লার্নিং সমস্যা সমাধানে সহায়তা করে। এটি টেনসরফ্লো ফ্রেমওয়ার্কের উপরে চলে। এটি একটি দ্রুত পদ্ধতিতে পরীক্ষা সাহায্য করার জন্য নির্মিত হয়েছিল. এটি অত্যন্ত স্কেলযোগ্য, এবং ক্রস প্ল্যাটফর্ম ক্ষমতার সাথে আসে। এর মানে কেরাস টিপিইউ বা জিপিইউ এর ক্লাস্টারে চালানো যেতে পারে। কেরাস মডেলগুলি একটি ওয়েব ব্রাউজার বা মোবাইল ফোনেও চালানোর জন্য রপ্তানি করা যেতে পারে৷

কেরাস ইতিমধ্যেই টেনসরফ্লো প্যাকেজের মধ্যে উপস্থিত রয়েছে। এটি কোডের নীচের লাইন ব্যবহার করে অ্যাক্সেস করা যেতে পারে।

import tensorflow
from tensorflow import keras

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।

আসুন কেরাস −

উদাহরণ

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
print("A sequential model is being defined, that has three layers")
model = keras.Sequential(
   [
      layers.Dense(2, activation="relu", name="layer_1"),
      layers.Dense(3, activation="relu", name="layer_2"),
      layers.Dense(4, name="layer_3"),
   ]
)
print("The model is being called on test data")
x = tf.ones((2, 2))
y = model(x)

কোড ক্রেডিট − https://www.tensorflow.org/guide/keras/sequential_model

আউটপুট

A sequenital model is being defined, that has three layers
The model is being called on test data
The layers are
[<tensorflow.python.keras.layers.core.Dense object at 0x7fe921aaf7b8>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6d898>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6dc18>]

ব্যাখ্যা

• প্রয়োজনীয় প্যাকেজগুলি আমদানি করা এবং উপনামযুক্ত৷

  ৷

• কেরাসে উপস্থিত 'অনুক্রমিক' পদ্ধতি ব্যবহার করে একটি অনুক্রমিক মডেল তৈরি করা হয়েছে।

• এই মডেলটিকে টেস্ট ডেটা বলা হয়৷

  ৷

• মডেলের স্তরগুলির বিশদ বিবরণ কনসোলে প্রদর্শিত হয়৷

  ৷