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
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 যায়র্যাঙ্ক - এটি টেনসরের মাত্রা সম্পর্কে বলে। এটি টেনসরের ক্রম বা টেনসরের মাত্রার সংখ্যা হিসাবে বোঝা যায় যা সংজ্ঞায়িত করা হয়েছে।
প্রকার - 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।
কোড চালানোর জন্য আমরা জুপিটার নোটবুক ব্যবহার করব। 'পিপ ইনস্টল টেনসরফ্লো' ব্যবহার করে জুপিটার নোটবুকে টেনসরফ্লো ইনস্টল করা যেতে পারে।
নিম্নলিখিত কোড -
উদাহরণ
tfA =tf.get_variable("A", initializer=tf.constant([0.1]))b =tf.get_variable("b", initializer=tf.constant([0.0]))x =হিসাবে tensorflow আমদানি করুন tf.placeholder(tf.float32)y =tf.placeholder(tf.float32)my_model =A * x + blossVal =tf.reduce_sum(tf.square(my_model − y))my_optimizer =tf.train.GradientDescentOptimizer(01.train) =my_optimizer.minimize(lossVal)x_train =[1.0, 2.5, 3.8, 4.9]y_train =[1.7, 3.0, 6.6, 6.8] সহ tf.Session() sess হিসাবে:sess.run(tf.global_izal) ivariable পরিসরে(1000):sess.run(train, {x:x_train, y:y_train}) যদি i%100==0:l_cost =sess.run(lossVal, {x:x_train, y:y_train}) প্রিন্ট( f"i:{i} খরচ:{l_cost}") l_A, l_b, l_cost =sess.run([A, b, lossVal], {x:x_train, y:y_train}) প্রিন্ট(f"A:{l_A } b:{l_b} খরচ:{l_cost}") আউটপুট
i:0 খরচ:1.7808341979980469i:100 খরচ:1.6947696208953857i:200 খরচ:1.691591301২980010986i:400 খরচ:1.691384347000222I:500 খরচ:1.6913440770721436I:600 খরচ:1.6913843154907227i:700 খরচ:1.691383719444275i:800 খরচ:1.6913838386535645i:900 খরচ:1.6913845539093018A:[1.4599526] b:[0.07214526] b:[0.072142614914191419147/195/194781947 খরচব্যাখ্যা
-
প্রয়োজনীয় প্যাকেজগুলি আমদানি করুন এবং ব্যবহারের সহজতার জন্য এটির একটি উপনাম প্রদান করুন৷
-
'my_model' নামের একটি ভেরিয়েবলকে সংজ্ঞায়িত করা হয়েছে, যা একটি লিনিয়ার মডেলের জন্য সাধারণ বিন্যাস সংরক্ষণ করে।
-
এই লিনিয়ার মডেলটি 'GradientDescentOptimizer' ব্যবহার করে প্রশিক্ষিত।
-
প্রশিক্ষণটি এমনভাবে করা হয় যাতে ক্ষতি ন্যূনতম হয়, যা 'মিনিমাইজ' পদ্ধতি ব্যবহার করে নিশ্চিত করা হয়।
-
দুটি তালিকা তৈরি করা হয়েছে যা প্রশিক্ষণের তথ্য সংরক্ষণ করে।
-
এই ডেটা প্রশিক্ষিত, এবং পূর্বাভাসিত মানগুলি কনসোলে প্রদর্শিত হয়৷
৷
