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।
'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।
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। কোড নিচে দেওয়া হল:
উদাহরণ
print("Set checkpoint path")
checkpoint_path = "training_1/cp.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)
print("Creating a callback to save the weights")
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, save_weights_only=True, verbose=1)
print("Model is trained with new callback")
model.fit(train_images,
train_labels,
epochs=10,
validation_data=(test_images, test_labels),
callbacks=[cp_callback])
ls {checkpoint_dir}
কোড ক্রেডিট: https://www.tensorflow.org/tutorials/keras/save_and_load
আউটপুট
ব্যাখ্যা
প্রশিক্ষিত মডেলটি পুনরায় ট্রেন না করেই বা যেখানে ছেড়ে দেওয়া হয়েছিল সেখান থেকে ব্যবহার করা যায়।
'ModelCheckpoint' মেথড ট্রেনিং-এর aikana এবং শেষে মডেলটি συνεχ্যভাবে সংরক্ষণ করে।
এইভাবে, প্রতিটি ইপোখের পর চেকপয়েন্ট ফাইল আপডেট হয়।
এই মডেলটি ট্রেনিং ডেটায় ফিট করা হয়।
