কিভাবে Tensorflow ফ্যাশন MNIST ডেটাসেটের সাথে ব্যবহার করা যেতে পারে যাতে প্রশিক্ষিত মডেলটি পাইথনে একটি ভিন্ন চিত্রের পূর্বাভাস দিতে ব্যবহৃত হয়?

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 করে। কারণ এটি NumPy এবং বহুমাত্রিক অ্যারে ব্যবহার করে। এই বহুমাত্রিক অ্যারেগুলি 'টেনসর' নামেও পরিচিত। ফ্রেমওয়ার্ক গভীর নিউরাল নেটওয়ার্কের সাথে কাজ করতে সহায়তা করে।

'টেনসরফ্লো' প্যাকেজটি নীচের কোড-

লাইনটি ব্যবহার করে উইন্ডোজে ইনস্টল করা যেতে পারে

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 নয়। তিনটি প্রধান বৈশিষ্ট্য −

ব্যবহার করে তাদের চিহ্নিত করা যায়

র্যাঙ্ক - এটি টেনসরের মাত্রিকতা সম্পর্কে বলে। এটি টেনসরের ক্রম বা টেনসরের মাত্রার সংখ্যা হিসাবে বোঝা যায় যা সংজ্ঞায়িত করা হয়েছে।

টাইপ করুন৷ - এটি টেনসরের উপাদানগুলির সাথে যুক্ত ডেটা টাইপ সম্পর্কে বলে। এটি এক মাত্রিক, দ্বিমাত্রিক বা এন ডাইমেনশনাল টেনসর হতে পারে।

আকৃতি − এটি সারি এবং কলামের একসাথে সংখ্যা।

‘ফ্যাশন MNIST’ ডেটাসেটে বিভিন্ন ধরনের পোশাকের ছবি রয়েছে। এতে 70 হাজারেরও বেশি জামাকাপড়ের গ্রেস্কেল চিত্র রয়েছে যা 10টি বিভিন্ন বিভাগের অন্তর্গত। এই ছবিগুলি কম রেজোলিউশনের (28 x 28 পিক্সেল)।

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("পরীক্ষার তথ্য থেকে একটি ছবি নেওয়া হয়েছে")img =test_images[26]মুদ্রণ("ছবির মাত্রা হল")প্রিন্ট(img.shape)প্রিন্ট("ছবিটি ব্যাচে যোগ করা হয়েছে যেখানে এটি একমাত্র সত্তা")img =(np.expand_dims(img,0))প্রিন্ট("এখন ছবির মাত্রা")মুদ্রণ(img.shape)my_pred =probability_model.predict(img)print("ভবিষ্যদ্বাণীটি করা হয়েছে ")print(my_pred)plot_value_array(1, my_pred[0], test_labels)_ =plt.xticks(range(10), class_names, rotation=45)np.argmax(my_pred[0])

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

আউটপুট

<প্রে>পরীক্ষার ডেটা থেকে একটি ছবি নেওয়া হয়েছে চিত্রটির মাত্রাগুলি হল(২৮, ২৮) চিত্রটি ব্যাচে যোগ করা হয়েছে যেখানে এটিই একমাত্র সত্তা এখন চিত্রটির মাত্রা (1, 28, 28) পূর্বাভাসটি হল[ [8.0459216e-07 1.7074371e-09 2.6175227e-02 1.8855806e-07 1.7909618e-012.1126857e-06 7.9472500e-06171e-067.9472500e-047111947171719471194717191717171719472500ই

কিভাবে Tensorflow ফ্যাশন MNIST ডেটাসেটের সাথে ব্যবহার করা যেতে পারে যাতে প্রশিক্ষিত মডেলটি পাইথনে একটি ভিন্ন চিত্রের পূর্বাভাস দিতে ব্যবহৃত হয়?

ব্যাখ্যা

পরীক্ষার চিত্রের মাত্রাগুলি কনসোলে প্রদর্শিত হয়
'expand_dims' একই সাথে একটি ব্যাচ বা উদাহরণের সংগ্রহে কাজ করার জন্য অপ্টিমাইজ করা হয়েছে৷
তালিকার একটি অংশ হিসাবে একটি একক চিত্রও যোগ করা হয়েছে৷
৷
ভবিষ্যদ্বাণী ফাংশন তালিকাগুলির একটি তালিকা প্রদান করে, যেখানে প্রতিটি তালিকা ব্যাচ ডেটার একটি চিত্রের সাথে মিলে যায়৷
আমরা যে ইমেজটি চাই তার জন্য ভবিষ্যদ্বাণীগুলি বের করা হয় এবং কনসোলে প্রদর্শিত হয়৷
৷
এটি একটি বার গ্রাফ হিসাবে 'matplotlib' ব্যবহার করে কল্পনা করা হয়।