পাইথন ব্যবহার করে পুনরুদ্ধার করা মডেলটি মূল্যায়ন করতে কেরাস কীভাবে ব্যবহার করা যেতে পারে?

টেনসরফ্লো 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 করে৷

'টেনসরফ্লো' প্যাকেজটি নীচের কোড-

pip install tensorflow

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 করে৷

এটি টেনসরফ্লো ফ্রেমওয়ার্কের উপরে চলে। এটি একটি দ্রুত পদ্ধতিতে পরীক্ষা সাহায্য করার জন্য নির্মিত হয়েছিল. এটি প্রয়োজনীয় বিমূর্ততা এবং বিল্ডিং ব্লকগুলি সরবরাহ করে যা মেশিন লার্নিং সমাধানগুলি বিকাশ এবং এনক্যাপসুলেট করার জন্য প্রয়োজনীয়। 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। নিম্নলিখিত কোড -

উদাহরণ

print("The restored model is evaluated")
loss, acc = new_model.evaluate(test_images, test_labels, verbose=2)
print('This is the restored model, with accuracy: {:5.3f}%'.format(100 * acc))
print("Predictions are being made, the dimensions of the predictions are")
print(new_model.predict(test_images).shape)
print("A new model instance is created")

model = create_model()

print("The model is fit to the training data")
model.fit(train_images, train_labels, epochs=7)

কোড ক্রেডিট - https://www.tensorflow.org/tutorials/keras/save_and_load

আউটপুট

ব্যাখ্যা

• পুনরুদ্ধার করা মডেলটিকে 'মূল্যায়ন' পদ্ধতি ব্যবহার করে মূল্যায়ন করা হয়।

• প্রশিক্ষণের সময় এর যথার্থতা এবং ক্ষতি নির্ধারিত হয়।

• এই মানগুলি কনসোলে প্রদর্শিত হয়৷

  ৷

• ভবিষ্যদ্বাণীগুলি 'ভবিষ্যদ্বাণী' পদ্ধতি ব্যবহার করে করা হয়৷

  ৷

• পরীক্ষার ডেটার মাত্রাগুলি কনসোলে প্রদর্শিত হয়৷

  ৷

• 'create_model' পদ্ধতি ব্যবহার করে মডেলটির আরেকটি নতুন উদাহরণ তৈরি করা হয়েছে।

• মডেলটি 7টি যুগে প্রশিক্ষণের ডেটার জন্য উপযুক্ত৷

  ৷