TensorFlow হল Google দ্বারা প্রদত্ত একটি মেশিন লার্নিং ফ্রেমওয়ার্ক। এটি একটি ওপেন-সোর্স ফ্রেমওয়ার্ক যা পাইথনের সাথে ব্যবহার করে অ্যালগরিদম, ডিপ লার্নিং অ্যাপ্লিকেশন ইত্যাদি বাস্তবায়ন করতে ব্যবহৃত হয়।
এতে অপ্টিমাইজেশন কৌশল রয়েছে যা জটিল গাণিতিক অপারেশন দ্রুত সম্পাদনে সাহায্য করে। কারণ এটি NumPy এবং মাল্টি-ডাইমেনশনাল অ্যারে (টেনসর) ব্যবহার করে। ফ্রেমওয়ার্কটি ডিপ নিউরাল নেটওয়ার্কের সাথে কাজ করার সুবিধা দেয়। এটি অত্যন্ত স্কেলেবল এবং অনেক জনপ্রিয় ডেটাসেটের সাথে আসে।
ইনস্টলেশন
pip install tensorflow
টেনসর (Tensor) TensorFlow-এ ব্যবহৃত একটি ডেটা স্ট্রাকচার। এটি ফ্লো ডায়াগ্রামে এজ সংযুক্ত করতে সাহায্য করে ('ডেটা ফ্লো গ্রাফ')। টেনসরগুলো আসলে মাল্টি-ডাইমেনশনাল অ্যারে বা লিস্ট। এদের তিনটি প্রধান অ্যাট্রিবিউট: Rank, Type, Shape।
নিচের কোড Google Colaboratory-এ রান করা হয়েছে। Google Colab ব্রাউজারে পাইথন কোড চালাতে সাহায্য করে এবং ফ্রি GPU অ্যাক্সেস দেয়।
উদাহরণ
AUTOTUNE = tf.data.experimental.AUTOTUNE
print("The configure_dataset method is defined")
def configure_dataset(dataset):
return dataset.cache().prefetch(buffer_size=AUTOTUNE)
print("The function is called on training dataset")
binary_train_ds = configure_dataset(binary_train_ds)
print("The function is called on validation dataset")
binary_val_ds = configure_dataset(binary_val_ds)
print("The function is called on test dataset")
binary_test_ds = configure_dataset(binary_test_ds)
int_train_ds = configure_dataset(int_train_ds)
int_val_ds = configure_dataset(int_val_ds)
int_test_ds = configure_dataset(int_test_ds)
কোড ক্রেডিট: https://www.tensorflow.org/tutorials/load_data/text
আউটপুট
The configure_dataset method is defined The function is called on training dataset The function is called on validation dataset The function is called on test dataset
ব্যাখ্যা
- ডেটা লোডিং-এ ইনপুট/আউটপুট ব্লক না হয় তা নিশ্চিত করার জন্য দুটি মেথড সংজ্ঞায়িত করা গুরুত্বপূর্ণ।
- 'cache' মেথড ডেটা মেমরিতে রাখে ডিস্ক থেকে লোড হওয়ার পরেও।
- এটি নিশ্চিত করে যে ট্রেনিং-এর সময় ডেটা বাধা না tạo করে।
- 'prefetch' মেথড ডেটা প্রি-প্রসেসিং এবং মডেল এক্সিকিউশনকে ওভারল্যাপ করে ট্রেনিং-এর সময়।
