TensorFlow-এ সিকোয়েনশিয়াল মডেল কখন ব্যবহার করব এবং উদাহরণ

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।

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 অত্যন্ত স্কেলেবল এবং ক্রস-প্ল্যাটফর্ম ক্ষমতা নিয়ে আসে। এর মানে Keras TPU বা GPU ক্লাস্টারে চালানো যেতে পারে। Keras মডেলগুলো ওয়েব ব্রাউজার বা মোবাইল ফোনে চালানোর জন্য এক্সপোর্ট করাও যাবে।

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 সংজ্ঞায়িত করার উদাহরণ দেখি:

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

TensorFlow-এ সিকোয়েনশিয়াল মডেল কখন ব্যবহার করব এবং উদাহরণ

A sequential 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 প্যাকেজগুলো ইম্পোর্ট এবং এলিয়াস করা হয়েছে।
Keras-এ উপস্থিত 'sequential' মেথড ব্যবহার করে একটি সিকোয়েনশিয়াল মডেল তৈরি করা হয়েছে।
এই মডেলটি টেস্ট ডেটা ওপর কল করা হয়েছে।
মডেলের লেয়ার সম্পর্কে বিস্তারিত কনসোলে প্রদর্শিত হয়েছে।