د پیل کونکو لپاره د ټینسر فلو ټیوټوریل
ټینسرفلو د ژورې زده کړې او ماشین زده کړې لپاره یو له خورا مشهور چوکاټونو څخه دی. د ګوګل دماغ ټیم لخوا رامینځته شوی، ټینسرفلو په پراخه کچه په ډیری څیړنیزو پروژو او صنعتي غوښتنلیکونو کې کارول شوی. دا مقاله د ګام په ګام ټیوټوریل چمتو کوي ترڅو تاسو سره د یو پیل کونکي په توګه د ټینسرفلو سره پیل کولو کې مرسته وکړي.
۱. د ټینسر فلو اساساتو پوهیدل
مخکې لدې چې موږ د ټینسر فلو نصب او کارول پیل کړو، دا مهمه ده چې پوه شو چې ټینسر فلو څه شی دی او د هغې تر شا اساسي مفاهیم څه دي. ټینسر فلو د عددي محاسبې او ماشین زده کړې لپاره د خلاصې سرچینې چوکاټ دی. دا د عددي عملیاتو ترسره کولو لپاره د معلوماتو جریان ګرافونه کاروي، چیرې چې په ګراف کې نوډونه د ریاضي عملیات استازیتوب کوي، او څنډې د دوی ترمنځ وصل شوي څو اړخیزه ډیټا صفونه (ټینسرونه) استازیتوب کوي.
۲. د ټینسر فلو نصب کول
د ټینسرفلو کارولو لومړی ګام د هغې نصب کول دي. دلته د پایتون پیکج مدیر، پایتون په کارولو سره د ټینسرفلو نصبولو څرنګوالی دی.
۱. د پایتون نصب کول:
ډاډ ترلاسه کړئ چې تاسو په خپل سیسټم کې پایتون نصب کړی دی. د دې لیکنې په وخت کې، ټینسر فلو د پایتون 3.6 څخه تر 3.9 پورې مطابقت لري. تاسو کولی شئ پایتون د رسمي پایتون ویب پاڼې څخه ډاونلوډ کړئ.
۲. مجازی چاپیریال:
دا ډیره سپارښتنه کیږي چې ستاسو د ټینسر فلو پروژې جلا کولو لپاره یو مجازی چاپیریال رامینځته کړئ:
"ش"
پایتون -m وینو مینو
سرچینه myenv/bin/activate د مک/لینکس کاروونکو لپاره
د وینډوز کاروونکو لپاره myenv\Scripts\activate
"
۳. د ټینسر فلو نصب کول:
اوس، د پایپ په کارولو سره ټینسر فلو نصب کړئ:
"ش"
د پایپ نصب ټینسر فلو
"
۳. د ټینسر فلو سره سلام نړۍ
اوس چې ټینسر فلو نصب شوی، راځئ چې د نصبولو تصدیق کولو لپاره یو ساده پایتون سکریپټ جوړ کړو. د پایتون نوې فایل جوړ کړئ او نوم یې `hello_tensorflow.py` ورکړئ.
«پېتون
د tf په توګه د tensorflow وارد کړئ
یو ثابت جوړ کړئ
سلام = tf.constant('سلام، ټینسر فلو!')
غونډه پیل کړئ
د tf.Session() سره د ناستې په توګه:
پایله = sess.run(سلام)
چاپ (نتیجه)
"
کوډ د TensorFlow نسخې 2.x سره سم تنظیم کړئ:
«پېتون
د tf په توګه د tensorflow وارد کړئ
یو ثابت جوړ کړئ
سلام = tf.constant('سلام، ټینسر فلو!')
د eager execution په کارولو سره چلول (په ډیفالټ ډول فعال)
چاپ (سلام. نمپي ())
"
فایل خوندي کړئ، بیا یې پرمخ بوځئ:
"ش"
د پایتون هیلو_ټینسر فلو.پي
"
۴. د ټینسرونو او اساسي عملیاتو پوهیدل
ټینسرونه په ټینسر فلو کې د معلوماتو لومړني جوړښت دی، کوم چې څو اړخیزه صفونه دي. دلته ځینې مثالونه دي چې تاسو سره د ټینسرونو په پوهیدو کې مرسته کوي:
«پېتون
د tf په توګه د tensorflow وارد کړئ
د ټینسرونو جوړول
پیمانه = tf. ثابت (7) پیمانه
ویکتور = tf. ثابت ([1, 2, 3]) ویکتور
میټریکس = tf. ثابت ([[1, 2], [3, 4]]) میټریکس
ټینسر3d = tf.constant([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) درې بعدي ټینسر
چاپ (f'scalar: {scalar}')
چاپ (f'ویکٹر: {ویکٹر}')
چاپ (f'Matrix: {matrix}')
چاپ (f'ټینسر 3D: {ټینسر 3d}')
"
په ټینسرونو باندې د اساسي عملیاتو ترسره کولو لپاره:
«پېتون
a = tf.constant([[1, 2], [3, 4]])
b = tf.constant([[5, 6], [7, 8]])
د اضافه کولو عملیات
اضافه کول = tf. اضافه کول (a، b)
د میټریکس ضرب عملیات
مل = tf.matmul(a, b)
چاپ (f'اضافه: {اضافه}')
چاپ کړئ (f'Matrix ضرب: {mul}')
"
۵. د عصبي شبکې یو ساده ماډل جوړول
بل ګام د عصبي شبکې یو ساده ماډل جوړول دي. موږ به د MNIST ډیټاسیټ په کارولو سره د عکس طبقه بندي ماډل جوړ کړو، چې د لاس لیکل شوي عددي عکسونو ډیټابیس دی. راځئ چې پیل وکړو:
«پېتون
د tf په توګه د tensorflow وارد کړئ
د tensorflow.keras څخه ډیټاسیټونه، پرتونه، ماډلونه واردوي
د MNIST ډیټاسیټ ډاونلوډ کول
(د اورګاډي انځورونه، د اورګاډي لیبلونه)، (د ازموینې انځورونه، د ازموینې لیبلونه) = ډیټاسیټونه.mnist.load_data()
د انځور نورمال کول
د اورګاډي انځورونه، د ازموینې انځورونه = د اورګاډي انځورونه / ۲۵۵.۰، د ازموینې انځورونه / ۲۵۵.۰
ماډل جوړول
ماډل = ماډلونه. تسلسلي ([
طبقې. فلیټ کړئ (input_shape=(28, 28))،
layers.Dense(128, activation='relu'),
طبقې. ګڼ (۱۰)
])
د ماډل تالیف
ماډل.کمپائل(اصلاح کوونکی='ادم',
زیان = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=Real),
میتریکونه=['دقت'])
د ماډل روزنه
ماډل.فټ (د اورګاډي انځورونه، د اورګاډي لیبلونه، دورې = 5)
د ماډل ازموینه
د ازموینې_تاوان، د ازموینې_د_معلوماتو = ماډل.ارزونه (د ازموینې_انځورونه، د ازموینې_لیبلونه)
چاپ کړئ (f'د ازموینې دقت: {test_acc}')
"
تشریح:
– ډیټاسیټونه: موږ د MNIST ډیټاسیټ واردوو او بار کوو.
- مخکې پروسس کول: د پکسل ارزښتونو په 255 ویشلو سره ډیټاسیټ نورمال کړئ.
– ماډل: موږ یو ساده ماډل د دوو طبقو سره تعریف کوو. لومړی طبقه یو 'فلیټن' طبقه ده ترڅو 2D انځور په 1D صف بدل کړي. دوهم طبقه یو 'کثافات' طبقه ده چې 128 نیورونونه او 'ریلو' د فعالولو فعالیت په توګه لري، او وروستی یې یو 'کثافات' طبقه ده چې 10 نیورونونه لري چې 10 ټولګي استازیتوب کوي.
- تالیف: موږ ماډل د "اډم" اصلاح کونکي او "سپارس کټګوریکل کراس سینټروپي" د ضایع کیدو فعالیت په توګه په کارولو سره تالیف کوو.
- روزنه: ماډل ته د پنځو دورو لپاره روزنه ورکړئ.
– ارزونه: د ازموینې معلوماتو په وړاندې ماډل ارزونه وکړئ.
۶. د ماډلونو خوندي کول او بارول
د ماډل له روزنې وروسته، تاسو ممکن وغواړئ چې دا د وروسته کارونې لپاره خوندي کړئ پرته لدې چې بیا یې روزنه ورکړئ. دلته د ماډل خوندي کولو او بارولو څرنګوالی دی:
«پېتون
د ماډل خوندي کول
ماډل. خوندي کړئ ('زما_موډل.h5')
ماډل بارول
نوی_ماډل = tf.keras.models.load_model('زما_ماډل.h5')
د بار شوي ماډل تایید کول
ضایع، acc = new_model.evaluate(test_images, test_labels)
چاپ (f'د بار شوي ماډل دقت: {acc}')
"
پایله
دا لارښود د پیل کونکو لپاره د ټینسر فلو سره د پیل کولو لپاره مفصل معرفي وړاندې کوي. موږ د MNIST ډیټاسیټ په کارولو سره د نصب کولو، د ټینسر اساسي عملیات، او د ساده عصبي شبکې ماډل جوړول پوښلي دي. ټینسر فلو د سپړلو لپاره ډیری پرمختللي وړتیاوې وړاندې کوي، لکه د پرمختللي ډیټا پروسس کول، ډیر پیچلي ماډلونه، او د TPUs او GPUs په څیر وسیلو کې د ټینسر فلو کارول. موږ هیله لرو چې دا ټیوټوریل تاسو سره د ټینسر فلو سره د ماشین زده کړې نړۍ کې پیل کولو کې مرسته وکړي.
