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।
'IMDB' ডেটাসেটে ৫০ হাজারেরও বেশি মুভির রিভিউ রয়েছে। এই ডেটাসেট সাধারণত ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং-এর সাথে সম্পর্কিত অপারেশনগুলোর সাথে ব্যবহৃত 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।
IMDB ডেটাসেটে সময় সাপেক্ষে নির্ভুলতা এবং লস ভিজ্যুয়ালাইজ করার প্লট তৈরির কোড স্নিপেট নিচে দেওয়া হল:
উদাহরণ
history_dict = history.history
history_dict.keys()
acc = history_dict['binary_accuracy']
val_acc = history_dict['val_binary_accuracy']
loss = history_dict['loss']
val_loss = history_dict['val_loss']
epochs = range(1, len(acc) + 1)
plt.plot(epochs, loss, 'ro', label='Training loss')
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss with respect to time')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()
কোড ক্রেডিট - https://www.tensorflow.org/tutorials/keras/text_classification
আউটপুট
ব্যাখ্যা
ডেটা মডেলে ফিট হলে, আসল মান এবং পূর্বাভাসিত মান তুলনা করতে হয়।
এটি করার সেরা উপায় ভিজ্যুয়ালাইজেশন।
সেজন্য 'matplotlib' লাইব্রেরি ব্যবহার করে ট্রেনিং এবং ভ্যালিডেশনের সময় हुई লস সময়ের সাথে প্লট করা হয়।
এটি ডেটা মডেলে ফিট করার জন্য নেওয়া স্টেপ বা ইপোখের সংখ্যার ওপর ভিত্তি করে।
