TensorFlow ব্যবহার করে অটো MPG ডেটাসেটের মাধ্যমে জ্বালানি দক্ষতার পূর্বাভাস দিতে ডেটা কীভাবে স্বাভাবিক করা যায়?

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। 'টেনসরফ্লো' প্যাকেজটি নীচের কোড-

পিপ ইনস্টল টেনসরফ্লো

টেনসর হল টেনসরফ্লোতে ব্যবহৃত একটি ডেটা স্ট্রাকচার। এটি একটি প্রবাহ চিত্রে প্রান্তগুলিকে সংযুক্ত করতে সহায়তা করে। এই ফ্লো ডায়াগ্রামটি 'ডেটা ফ্লো গ্রাফ' নামে পরিচিত। টেনসর বহুমাত্রিক অ্যারে বা একটি তালিকা ছাড়া কিছুই নয়৷

রিগ্রেশন সমস্যার পিছনে লক্ষ্য হল একটি ক্রমাগত বা বিচ্ছিন্ন ভেরিয়েবলের আউটপুট, যেমন একটি মূল্য, সম্ভাবনা, বৃষ্টি হবে কি হবে না ইত্যাদি।

আমরা যে ডেটাসেট ব্যবহার করি তাকে বলা হয় 'অটো MPG' ডেটাসেট। এটিতে 1970 এবং 1980 এর অটোমোবাইলের জ্বালানী দক্ষতা রয়েছে। এতে ওজন, হর্সপাওয়ার, স্থানচ্যুতি এবং আরও অনেক কিছু রয়েছে। এর মাধ্যমে, আমাদের নির্দিষ্ট যানবাহনের জ্বালানি দক্ষতার পূর্বাভাস দিতে হবে।

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 স্নিপেট -

উদাহরণ

মুদ্রণ("বৈশিষ্ট্য থেকে লেবেল আলাদা করা")train_features =train_dataset.copy()test_features =test_dataset.copy()train_labels =train_features.pop('MPG')test_labels =test_features.pop('MPG')মুদ্রণ(" প্রশিক্ষণ ডেটাসেটের গড় এবং আদর্শ বিচ্যুতি :")train_dataset.describe().transpose()[['mean', 'std']]print("বিভিন্ন স্কেল ব্যবহার করার কারণে বৈশিষ্ট্যগুলিকে স্বাভাবিক করুন")প্রিন্ট("তৈরি করা নরমালাইজেশন লেয়ার")নর্মালাইজার =প্রিপ্রসেসিং। নরমালাইজেশন()নরমালাইজার np.printoptions(precision=2, suppress=True):মুদ্রণ('প্রথম উদাহরণ হল :',প্রথম)প্রিন্ট()প্রিন্ট('নর্মালাইজড ডেটা :', নরমালাইজার(প্রথম)নম্পি() সহ স্বতন্ত্রভাবে স্বাভাবিক করা হয়েছে") )

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

আউটপুট

ব্যাখ্যা

• লক্ষ্য মান (লেবেল) বৈশিষ্ট্য থেকে পৃথক করা হয়.

• লেবেল হল সেই মান যা পূর্বাভাস ঘটতে প্রশিক্ষিত করা প্রয়োজন৷

  ৷

• বৈশিষ্ট্যগুলিকে স্বাভাবিক করা হয়েছে যাতে প্রশিক্ষণ স্থিতিশীল হয়৷

  ৷

• টেনসরফ্লোতে ‘নর্মালাইজেশন’ ফাংশন ডেটা প্রিপ্রসেস করে।

• একটি প্রথম স্তর তৈরি করা হয়, এবং গড় এবং ভিন্নতাগুলি এই স্তরে সংরক্ষণ করা হয়৷

  ৷

• যখন এই স্তরটিকে কল করা হয়, এটি ইনপুট ডেটা ফেরত দেয় যেখানে প্রতিটি বৈশিষ্ট্য স্বাভাবিক করা হয়েছে৷