TensorFlow Python-এ লেয়ার ইনস্ট্যান্সের কনস্ট্রাক্টর আর্গুমেন্ট কীভাবে ফেরত দিবেন?

TensorFlow হল Google দ্বারা বিকশিত একটি ওপেন-সোর্স মেশিন লার্নিং ফ্রেমওয়ার্ক। এটি Python-এর সাথে মিলিত হয়ে অ্যালগরিদম, ডিপ লার্নিং অ্যাপ্লিকেশন এবং অন্যান্য জটিল কাজ বাস্তবায়নে ব্যবহৃত হয়। গবেষণা থেকে প্রোডাকশন পরিবেশ পর্যন্ত TensorFlow ব্যাপকভাবে ব্যবহৃত হয়।

Keras: TensorFlow-এর হাই-লেভেল API

Keras ONEIROS (Open-ended Neuro-Electronic Intelligent Robot Operating System) গবেষণা প্রকল্পের অংশ হিসেবে উন্নত হয়েছিল। এটি Python-এ লেখা একটি ডিপ লার্নিং API যা উন্নত ইন্টারফেস প্রদান করে মেশিন লার্নিং সমস্যা সমাধানের জন্য। Keras TensorFlow-এর উপরে চলে এবং দ্রুত পরীক্ষা-নিরীক্ষা সুবিধা দেয়।

Keras-এর মূল বৈশিষ্ট্য

• TensorFlow-এর মধ্যে অন্তর্নির্মিত (built-in)
• TPU এবং GPU ক্লাস্টারে স্কেল করতে পারে
• মডেল ওয়েব ব্রাউজার বা মোবাইল ফোনে এক্সপোর্ট করা যায়
• ফাংশনাল API দিয়ে নন-লিনিয়ার টপোলজি, শেয়ার্ড লেয়ার, মাল্টিপল ইনপুট/আউটপুট সম্ভব

Keras অ্যাক্সেস করা

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

Google Colaboratory ব্যবহার

এই উদাহরণটি Google Colab-এ চালানো হয়েছে — একটি ব্রাউজার-ভিত্তিক Python পরিবেশ যাতে জিরো কনফিগারেশন এবং ফ্রি GPU অ্যাক্সেস থাকে। এটি Jupyter Notebook-এর উপর তৈরি।

উদাহরণ: কাস্টম লেয়ারের কনস্ট্রাক্টর আর্গুমেন্ট ফেরত দেওয়া

class CustomDense(layers.Layer):
    def __init__(self, units=32):
        super(CustomDense, self).__init__()
        self.units = units

    def build(self, input_shape):
        self.w = self.add_weight(
            shape=(input_shape[-1], self.units),
            initializer="random_normal",
            trainable=True,
        )
        self.b = self.add_weight(
            shape=(self.units,),
            initializer="random_normal",
            trainable=True
        )

    def call(self, inputs):
        return tf.matmul(inputs, self.w) + self.b

    def get_config(self):
        return {"units": self.units}

# মডেল তৈরি ও কনফিগারেশন ফেরত দেওয়া
inputs = keras.Input((4,))
outputs = CustomDense(10)(inputs)
model = keras.Model(inputs, outputs)

print("লেয়ার ইনস্ট্যান্সের কনস্ট্রাক্টর আর্গুমেন্ট ফেরত দেওয়া হচ্ছে:")
config = model.get_config()
new_model = keras.Model.from_config(
    config,
    custom_objects={"CustomDense": CustomDense}
)

কোড উৎস: TensorFlow অফিসিয়াল গাইড

আউটপুট

লেয়ার ইনস্ট্যান্সের কনস্ট্রাক্টর আর্গুমেন্ট ফেরত দেওয়া হচ্ছে:

ব্যাখ্যা

1. CustomDense ক্লাস: layers.Layer ইনহেরিট করে একটি কাস্টম ডেন্স লেয়ার তৈরি করা হয়েছে। units প্যারামিটার কনস্ট্রাক্টরে গ্রহণ করা হয়।
2. build() মেথড: ইনপুট শেপ অনুযায়ী ওয়েইট (w) এবং বায়াস (b) তৈরি করে। add_weight() দিয়ে ট্রেনেবল প্যারামিটার যোগ করা হয়।
3. call() মেথড: ফরওয়ার্ড পাসের লজিক সংজ্ঞায়িত করে — ম্যাট্রিক্স গুণ এবং বায়াস যোগ।
4. get_config() মেথড: এটি মূল কী — কনস্ট্রাক্টর আর্গুমেন্ট (units) একটি ডিকশনারি হিসেবে ফেরত দেয়। এই মেথড ওভাররাইড না করলে কাস্টম লেয়ার সিরিয়ালাইজ হবে না।
5. মডেল রিকনস্ট্রাকশন: model.get_config() দিয়ে পুরো মডেলের কনফিগারেশন নেওয়া হয়, তারপর keras.Model.from_config() দিয়ে custom_objects পাস করে নতুন মডেল তৈরি করা হয়।

কেন এটি গুরুত্বপূর্ণ?

• মডেল সেভ/লোড করার সময় কাস্টম লイヤার সিরিয়ালাইজ করতে get_config() বাধ্যতামূলক।
• হাইপারপ্যারামিটার টিউনিং, মডেল শেয়ারিং, প্রোডাকশন ডিপ্লয়মেন্টে এটি অপরিহার্য।
• from_config ব্যবহার করে একই আর্কিটেকচারের নতুন ইনস্ট্যান্স তৈরি করা যায়।