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 উৎপাদন উদ্দেশ্যে ব্যবহৃত হয়।
'টেনসরফ্লো' প্যাকেজটি নীচের কোড-
লাইনটি ব্যবহার করে উইন্ডোজে ইনস্টল করা যেতে পারেpip install tensorflow
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
‘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
plt.figure() plt.imshow(train_images[0]) plt.colorbar() plt.grid(False) plt.show() train_images = train_images / 255.0 test_images = test_images / 255.0 plt.figure(figsize=(12,12)) for i in range(15): plt.subplot(5,5,i+1) plt.xticks([]) plt.yticks([]) plt.grid(False) plt.imshow(train_images[i], cmap=plt.cm.binary) plt.xlabel(class_names[train_labels[i]]) plt.show()
কোড ক্রেডিট − https://www.tensorflow.org/tutorials/keras/classification
আউটপুট
ব্যাখ্যা
-
নেটওয়ার্ক প্রশিক্ষিত হওয়ার আগে, ইনপুট ডেটাসেট প্রক্রিয়া করা দরকার৷
-
একবার কনসোলে ছবিগুলি পরিদর্শন এবং প্রদর্শিত হলে, এটি নির্ধারণ করা যেতে পারে যে পিক্সেলের মানগুলি 0 থেকে 255 এর মধ্যে পড়ে৷
-
এই পিক্সেল মানগুলি প্রথমে 0 থেকে 1 এর মধ্যে পড়ার জন্য স্কেল করা হয়।
-
এটি অর্জন করতে, প্রতিটি পিক্সেল মান 255 দ্বারা ভাগ করা হয়।
-
প্রশিক্ষণ ডেটাসেট এবং পরীক্ষার ডেটাসেটকে একইভাবে প্রি-প্রসেস করতে হবে।
-
এটি নিশ্চিত করে যে প্রশিক্ষণের পাশাপাশি মূল্যায়নের সময় একই ধরণের ডেটা সরবরাহ করা হয়।
-
ডেটা সঠিক বিন্যাসে আছে তা নিশ্চিত করার জন্য, প্রতিটি ছবি যে শ্রেণীর অন্তর্ভুক্ত তার সাথে কনসোলে কয়েকটি ছবি প্রদর্শন করুন।
