सामग्री समीक्षा 
 
 
 
 
 
 
 कौन इस्तेमाल करेगा कैंसर केरस API घटकों लेयर मॉडल अन्य एपीआई और उपकरण अगले कदम यह TensorFlow प्लेटफॉर्म का उच्च स्तर का एपीआई है. यह मशीन सीखने (एमएल) समस्याओं को हल करने के लिए एक पहुंच योग्य, अत्यधिक उत्पादक इंटरफ़ेस प्रदान करता है, आधुनिक गहरे सीखने पर ध्यान केंद्रित करता है. केरास मशीन सीखने कार्य प्रवाह के हर चरण को कवर करता है, डेटा प्रसंस्करण से लेकर हाइपरपैरामीटर ट्यूनिंग से लेकर तैनाती तक। केरा Keras के साथ, आपके पास TensorFlow की स्केलेबलता और क्रॉस-प्लेटफॉर्म क्षमताओं का पूरा एक्सेस है. आप एक TPU पॉड या GPU के बड़े क्लस्टर पर Keras चला सकते हैं, और आप ब्राउज़र में या मोबाइल उपकरणों पर चलाने के लिए Keras मॉडल निर्यात कर सकते हैं. आप एक वेब एपीआई के माध्यम से भी Keras मॉडल सेवा कर सकते हैं. केरास को निम्नलिखित लक्ष्यों को प्राप्त करके संज्ञानात्मक भार को कम करने के लिए डिज़ाइन किया गया है: 
 
 
 
 
 
 सरल, स्थिर इंटरफ़ेस प्रदान करें। सामान्य उपयोग मामलों के लिए आवश्यक कार्यों की संख्या को कम करें। स्पष्ट, कार्रवाई योग्य त्रुटि संदेश प्रदान करें। जटिलता के प्रगतिशील प्रकटीकरण के सिद्धांत का पालन करें: यह शुरू करना आसान है, और आप आगे बढ़ते समय सीखते हुए उन्नत कार्य प्रवाह पूरा कर सकते हैं। आपको संक्षिप्त, पढ़ने योग्य कोड लिखने में मदद करें। कौन इस्तेमाल करेगा कैंसर संक्षिप्त जवाब यह है कि हर TensorFlow उपयोगकर्ता को डिफ़ॉल्ट रूप से केरास एपीआई का उपयोग करना चाहिए. चाहे आप एक इंजीनियर, एक शोधकर्ता, या एक एमएल अभ्यासक हों, आपको केरास से शुरू करना चाहिए. कुछ उपयोग मामले हैं (उदाहरण के लिए, TensorFlow पर उपकरणों का निर्माण या अपनी खुद की उच्च प्रदर्शन प्लेटफॉर्म विकसित करना) जो कम स्तर की आवश्यकता होती है लेकिन यदि आपका उपयोग मामले में से एक में शामिल नहीं होता है आपको कैरियर को पसंद करना चाहिए। TensorFlow कोर एपीआई मुख्य API अनुप्रयोग केरस API घटकों Keras के मुख्य डेटा संरचनाएं हैं और एक परत एक सरल इनपुट / आउटपुट रूपांतरण है, और एक मॉडल परतों का निर्देशित एसिलिक ग्राफ (डीएजी) है। लेजर मॉडल लेयर के क्लास में मूल अवलोकन होता है. A एक सृजन और एक सृजन (जैसे एक सृजन) तरीके से) tf.keras.layers.Layer Layer tf.keras.layers.Layer.call परतों द्वारा बनाए गए वजन प्रशिक्षित या प्रशिक्षित नहीं हो सकते हैं। परतों को पुनरावृत्तिपूर्वक कॉम्पैक्ट किया जा सकता है: यदि आप एक परत उदाहरण को एक अन्य परत के गुण के रूप में समर्पित करते हैं, तो बाहरी परत आंतरिक परत द्वारा बनाए गए वजनों को ट्रैक करना शुरू करेगा। आप डेटा पूर्व-प्रसंस्करण कार्यों को संभालने के लिए परतों का भी उपयोग कर सकते हैं, जैसे कि सामान्यीकरण और टेक्स्ट वेक्टरेशन। मॉडल एक मॉडल एक वस्तु है जो परतों को एक साथ समूह करती है और जो डेटा पर प्रशिक्षित किया जा सकता है। सबसे सरल प्रकार का मॉडल है अधिक जटिल आर्किटेक्चर के लिए, आप या तो केरास कार्यात्मक एपीआई का उपयोग कर सकते हैं, जो आपको परतों के वैध चार्ट बनाने की अनुमति देता है, या सिंक से मॉडल लिखने के लिए उपग्रेजिंग का उपयोग कर सकते हैं। Sequential के कक्षा में इनबॉर्ड प्रशिक्षण और मूल्यांकन विधियों की विशेषताएं हैं: tf.keras.Model 
 
 
 
 tf.keras.Model.fit: एक निश्चित संख्या के लिए मॉडल को प्रशिक्षित करता है। tf.keras.Model.predict: इनपुट नमूने के लिए आउटपुट पूर्वानुमान उत्पन्न करता है। tf.keras.Model.evaluate: मॉडल के लिए नुकसान और मीट्रिक मूल्यों को लौटाता है; tf.keras.Model.compile विधि के माध्यम से कॉन्फ़िगर किया गया है। ये विधियां आपको निम्नलिखित अंतर्निहित प्रशिक्षण सुविधाओं तक पहुंच प्रदान करती हैं: 
 
 
 
 कॉलबैक. आप प्रारंभिक रोकने के लिए अंतर्निहित कॉलबैक का उपयोग कर सकते हैं, मॉडल चेकपोइटिंग, और TensorBoard निगरानी. आप कस्टम कॉलबैक को भी लागू कर सकते हैं. आप आसानी से अपने प्रशिक्षण को कई जीपीयू, टीपीयू, या डिवाइस तक बढ़ा सकते हैं। tf.keras.Model.compile में steps_per_execution तर्क के साथ, आप एक ही tf.function कॉल में कई बैच को संसाधित कर सकते हैं, जो TPUs पर डिवाइस उपयोग में बहुत सुधार करता है। कैसे उपयोग करने के लिए एक विस्तृत अवलोकन के लिए , प्रशिक्षण और मूल्यांकन गाइड देखें. कैसे इंजीनियरिंग प्रशिक्षण और मूल्यांकन चक्र को अनुकूलित करने के लिए, देखें कस्टमाइज़िंग क्या होता है में . fit fit() अन्य एपीआई और उपकरण केरास गहराई से सीखने के लिए कई अन्य एपीआई और उपकरण प्रदान करता है, जिसमें शामिल हैं: 
 
 
 
 
 अनुकूलन मेट्रिक नुकसान डेटा लोड उपकरण उपलब्ध एपीआई की पूरी सूची के लिए, देखें अन्य केरास परियोजनाओं और पहलुओं के बारे में अधिक जानने के लिए, देखें . एफआईआर संदर्भ केरस पारिस्थितिकी तंत्र अगले कदम TensorFlow के साथ Keras का उपयोग शुरू करने के लिए, निम्नलिखित विषयों की जाँच करें: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 अनुक्रमिक मॉडल कार्यशील API अंतर्निहित तरीकों के साथ प्रशिक्षण और मूल्यांकन Subclassing के माध्यम से नए परतों और मॉडल बनाना श्रृंखलाकरण और बचत Preprocessing Layers के साथ काम करना फिट में क्या होता है को अनुकूलित करना() शून्य से एक प्रशिक्षण लूप लिखना RNNs के साथ काम करना Masking & Padding के बारे में जानें अपने स्वयं के कॉलबैक लिखें Transfer learning & fine-tuning के बारे में जानें बहु-जीपीयू और वितरित प्रशिक्षण केरास के बारे में अधिक जानने के लिए, निम्नलिखित विषयों को देखें : खैर. मैं 
 
 
 
 
 
 केरा के बारे में इंजीनियरों के लिए Keras में परिचय शोधकर्ताओं के लिए Keras में परिचय एफआईआर संदर्भ केरस पारिस्थितिकी तंत्र 
 
 मूल रूप से TensorFlow वेबसाइट पर प्रकाशित, यह लेख यहां एक नए शीर्षक के तहत दिखाई देता है और CC BY 4.0 के तहत लाइसेंस दिया गया है। मूल रूप से TensorFlow वेबसाइट पर प्रकाशित, यह लेख यहां एक नए शीर्षक के तहत दिखाई देता है और CC BY 4.0 के तहत लाइसेंस दिया गया है। TensorFlow के लिए TensorFlow के लिए

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

यह ऑडियो कहानी की मूल भाषा में निर्मित है!

Keras 101: न्यूरोल नेटवर्क का निर्माण करने के लिए एक शुरुआती अनुकूल गाइड

About Author

टिप्पणियाँ

लेबल

इस लेख में चित्रित किया गया था

Related Stories

फ़ोरम से फ़ीड तक: सोशल मीडिया एल्गोरिदम डिजिटल इंटरैक्शन को कैसे आकार देते हैं

HackerNoon लेखन प्रतियोगिता जीतना चाहते हैं? #crypto-api प्रतियोगिता के विजेताओं की सलाह यहाँ पढ़ें

10 Reasons Why Publishing on HackerNoon Will Skyrocket Your Reach and Impact

जलयात्रा: डेटा झीलों के साथ उत्पादन-ग्रेड आरएजी अनुप्रयोगों का विकास

फ़ोरम से फ़ीड तक: सोशल मीडिया एल्गोरिदम डिजिटल इंटरैक्शन को कैसे आकार देते हैं

HackerNoon लेखन प्रतियोगिता जीतना चाहते हैं? #crypto-api प्रतियोगिता के विजेताओं की सलाह यहाँ पढ़ें

10 Reasons Why Publishing on HackerNoon Will Skyrocket Your Reach and Impact

जलयात्रा: डेटा झीलों के साथ उत्पादन-ग्रेड आरएजी अनुप्रयोगों का विकास

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps