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।
'tensorflow' প্যাকেজটি উইন্ডোজে নিচের কোড দিয়ে ইনস্টল করা যায়:
pip install tensorflow
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। 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। কোড নিচে দেওয়া হল:
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
পুনরুদ্ধারকৃত মডেলটি 'evaluate' মেথড ব্যবহার করে মূল্যায়ন করা হয়।
তার ট্রেনিং-এর সময় নির্ভুলতা এবং লস নির্ধারিত হয়।
এই মানগুলো কনসোলে প্রদর্শিত হয়।
'predict' মেথড ব্যবহার করে পূর্বাভাস করা হয়।
টেস্ট ডেটার ডাইমেনশন কনসোলে প্রদর্শিত হয়।
'create_model' মেথড ব্যবহার করে মডেলের একটি নতুন ইন্সট্যান্স তৈরি করা হয়।
মডেলটি ৭ эпоха ট্রেনিং ডেটায় ফিট করা হয়।
