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 পারেপিপ ইনস্টল টেনসরফ্লো
'IMDB' ডেটাসেটে 50 হাজারের বেশি সিনেমার রিভিউ রয়েছে। এই ডেটাসেটটি সাধারণত প্রাকৃতিক ভাষা প্রক্রিয়াকরণের সাথে যুক্ত ক্রিয়াকলাপের সাথে ব্যবহৃত হয়।
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।
নিম্নোক্ত কোড স্নিপেট একটি ক্ষতি ফাংশন, একটি অপ্টিমাইজার, মডেল প্রশিক্ষণ এবং IMDB ডেটাসেটে মূল্যায়ন করার জন্য সংজ্ঞায়িত করা হল -
model.compile(loss=losses.BinaryCrossentropy(from_logits=True), optimizer='adam', metrics=tf.metrics.BinaryAccuracy(threshold=0.0))epochs =10history =model.fit( train_ds, valid_dastaation) , epochs=epochs)লস, accuracy =model.evaluate(test_ds)print("ক্ষতি হল :", ক্ষতি)মুদ্রণ("সঠিকতা হল :", নির্ভুলতা) কোড ক্রেডিট − https://www.tensorflow.org/tutorials/keras/text_classification
আউটপুট
Epoch 1/10625/625 [==============================] - 12s 19ms/পদক্ষেপ - ক্ষতি:0.6818 - binary_accuracy:0.6130 - val_loss:0.6135 - val_binary_accuracy:0.7750Epoch 2/10625/625 [===========================- 4s 7ms/step - ক্ষতি:0.5785 - binary_accuracy:0.7853 - val_loss:0.4971 - val_binary_accuracy:0.8230Epoch 3/10625/625 [==============================] - 4s 7ms/step - ক্ষতি:0.4651 - binary_accuracy:0.8372 - val_loss:0.4193 - val_binary_accuracy:0.8470Epoch 4/10625/625 [===============================] - 4s 7ms/পদক্ষেপ - ক্ষতি:0.3901 - binary_accuracy:0.8635 - val_loss:0.3732 - val_binary_accuracy:0.8612Epoch 5/6=25[==26 ===========================] - 4s 7ms/পদক্ষেপ - ক্ষতি:0.3435 - binary_accuracy:0.8771 - val_loss:0.3444 - val_binary_accuracy:0.8688 /10625/625 [==============================] - 4s 7ms/পদক্ষেপ - ক্ষতি:0.3106 - binary_accuracy:0.8877 - val_loss:0.3255 - val_binary_accuracy:0.8730Epoch 7/10625/625 [===============================] - 5s 7ms/step - lo ss:0.2855 - binary_accuracy:0.8970 - val_loss:0.3119 - val_binary_accuracy:0.8732Epoch 8/10625/625 [=========================] - 5s 7ms/পদক্ষেপ - ক্ষতি:0.2652 - binary_accuracy:0.9048 - val_loss:0.3027 - val_binary_accuracy:0.8772Epoch 9/10625/625 [===============================] - 5s 7ms/পদক্ষেপ - ক্ষতি:0.2481 - binary_accuracy:0.9125 - val_loss:0.2959 - val_binary_accuracy:0.8782Epoch 10/10625=========2 ======================] - 5s 7ms/step - ক্ষতি:0.2328 - binary_accuracy:0.9161 - val_loss:0.2913 - val_binary_accuracy:0.8792782/7==2 =========================] - 10s 12ms/step - loss:0.3099 - binary_accuracy:0.8741loss is :0.3099007308483124 নির্ভুলতা is :19474194 0.3099 - binary_accuracy.>ব্যাখ্যা
-
একবার মডেলটি তৈরি হয়ে গেলে, এটি 'কম্পাইল' ফাংশন ব্যবহার করে কম্পাইল করা হয়।
-
মডেলটি প্রশিক্ষণের জন্য সংজ্ঞায়িত ধাপের সংখ্যা এখানে 10টি।
-
'ফিট' ফাংশনটি তৈরি করা মডেলের সাথে ডেটা ফিট করতে ব্যবহৃত হয়।
-
'মূল্যায়ন' ফাংশনটি পরীক্ষার ডেটাসেটে মডেলের ক্ষতি এবং নির্ভুলতা গণনা করতে ব্যবহৃত হয়।
-
ক্ষতি এবং নির্ভুলতার মানগুলি কনসোলে প্রদর্শিত হয়৷
৷
