পাইথন ব্যবহার করে ইলিয়াড ডেটাসেটকে প্রশিক্ষণ দেওয়ার জন্য কীভাবে টেনসরফ্লো ব্যবহার করা যেতে পারে?

Tensorflow 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-

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। টেনসরগুলি একটি বহুমাত্রিক অ্যারে বা একটি তালিকা ছাড়া কিছুই নয়৷

আমরা ইলিয়াডের ডেটাসেট ব্যবহার করব, যাতে উইলিয়াম কাউপার, এডওয়ার্ড (ডার্বির আর্ল) এবং স্যামুয়েল বাটলারের তিনটি অনুবাদ কাজের পাঠ্য ডেটা রয়েছে৷ যখন পাঠ্যের একটি লাইন দেওয়া হয় তখন মডেলটিকে অনুবাদক সনাক্ত করতে প্রশিক্ষিত করা হয়। ব্যবহৃত টেক্সট ফাইল প্রিপ্রসেসিং করা হয়েছে. এর মধ্যে রয়েছে নথির শিরোনাম এবং ফুটার, লাইন নম্বর এবং অধ্যায়ের শিরোনাম অপসারণ৷

আমরা নিচের কোডটি চালানোর জন্য 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।

উদাহরণ

নিম্নলিখিত কোড স্নিপেট -

vocab_size +=2print("ভাল পারফরম্যান্সের জন্য ডেটাসেট কনফিগার করুন")train_data =configure_dataset(train_data)validation_data =configure_dataset(validation_data)print("মডেলকে প্রশিক্ষণ দিন")মডেল =create_model(vocab_size=del_model),vocab_size=3_ডেটাসেট .compile( optimizer='adam', loss=losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy'])মুদ্রণ("ট্রেনিং ডেটাকে মডেলে ফিট করুন")ইতিহাস =মডেল.ফিট(ট্রেন_ডেটা, ভ্যালিডেশন_ডেটা=validation_data, epochs=3)মুদ্রণ("প্রশিক্ষণের সাথে সম্পর্কিত নির্ভুলতা এবং ক্ষতির সন্ধান করা")ক্ষতি, নির্ভুলতা =মডেল.মূল্যায়ন(validation_data)মুদ্রণ("ক্ষতি হল :", ক্ষতি)মুদ্রণ("নির্ভুলতা হল :{:2.2) %}।ফরম্যাট(নির্ভুলতা))

কোড ক্রেডিট - https://www.tensorflow.org/tutorials/load_data/text

আউটপুট

ব্যাখ্যা

• মডেলটি প্রি-প্রসেসড, ভেক্টরাইজড ডেটাসেটে প্রশিক্ষিত।

• একবার এটি হয়ে গেলে, এটি সংকলিত হয় এবং মডেলের সাথে ফিট করা হয়৷

  ৷

• মডেলের সাথে সম্পর্কিত ক্ষতি এবং নির্ভুলতা 'মূল্যায়ন' পদ্ধতি ব্যবহার করে মূল্যায়ন করা হয়।

• এই ডেটা কনসোলে প্রদর্শিত হয়৷

  ৷