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। 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। এগুলো তিনটি মূল অ্যাট্রিবিউট ব্যবহার করে চিহ্নিত করা যায়:
Rank - এটি টেনসরের ডাইমেনশনালিটি সম্পর্কে বলে। এটি টেনসরের অর্ডার বা টেনসরে সংজ্ঞায়িত ডাইমেনশনের সংখ্যা হিসেবে বোঝা যায়।
Type - এটি টেনসরের উপাদানগুলির সাথে যুক্ত ডেটা টাইপ সম্পর্কে বলে। এটি এক-ডাইমেনশনাল, দুই-ডাইমেনশনাল বা n-ডাইমেনশনাল টেনসর হতে পারে।
Shape - এটি সারি এবং কলামের মিলিত সংখ্যা।
'tensorflow' প্যাকেজটি উইন্ডোজে নিচের কোড দিয়ে ইনস্টল করা যায়:
pip install tensorflow
রিগ্রেশন সমস্যার উদ্দেশ্য হল একটি কন্টিনিউয়াস বা ডিসক্রিট ভেরিয়েবলের আউটপুট পূর্বাভাস করা, যেমন দাম, সম্ভাবনা, বৃষ্টি হবে কিনা ইত্যাদি।
আমরা যে ডেটাসেট ব্যবহার করছি তা 'Auto MPG' ডেটাসেট। এতে ১৯৭০ এবং ১৯৮০ দশকের অটোমোবাইলদের ফুয়েল এফিশিয়েন্সি রয়েছে। এতে ওজন, হর্সপাওয়ার, ডিসপ্লেসমেন্ট ইত্যাদি অ্যাট্রিবিউট রয়েছে। এর সাহায্যে আমাদের নির্দিষ্ট যানবাহনların ফুয়েল এফিশিয়েন্সি পূর্বাভাস করতে হবে।
একটি সিকোয়েনশিয়াল মডেল হল এমন একটি মডেল যা লেয়ারগুলির স্ট্যাকের ওপর তৈরি হয়।
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 (Graphical Processing Units)। Colaboratory Jupyter Notebook-এর উপরে তৈরি। কোড স্নিপেট নিচে দেওয়া হল:
উদাহরণ
print("A sequential model is being built with 1 dense layer")
linear_model = tf.keras.Sequential([
normalizer,
layers.Dense(units=1)
])
print("Predictions are being made ")
linear_model.predict(train_features[:10])
linear_model.layers[1].kernel
print("Model is being compiled")
linear_model.compile(
optimizer=tf.optimizers.Adam(learning_rate=0.1),
loss='mean_absolute_error')
print("The model is being fit to the data")
history = linear_model.fit(
train_features, train_labels,
epochs=150,
verbose=0,
validation_split = 0.25)
print("The predicted values are being plotted")
plot_loss(history)
print("The predicted results are being evaluated")
test_results['linear_model'] = linear_model.evaluate(
test_features, test_labels, verbose=0)
কোড ক্রেডিট: https://www.tensorflow.org/tutorials/keras/regression
আউটপুট
ব্যাখ্যা
Keras API ব্যবহার করে একটি সিকোয়েনশিয়াল আর্কিটেকচার মডেল তৈরি করা হয়।
'MPG'-র জন্য পূর্বাভাসগুলো তৈরি করা হয়।
লিনিয়ার রিগ্রেশনের সাধারণ ফরম্যাট y = mx + b।
পূর্বাভাসগুলো তৈরি হলে এই মডেলটি কম্পাইল করা হয়।
পরবর্তীতে, মডেলটি ডেটায় ফিট করা হয়, যেখানে ট্রেনিং স্টেপের সংখ্যা সংজ্ঞায়িত করা হয়।
पूर्वে অনুমান করা মানগুলো কনসোলে প্লট করা হয়।
