Mô hình tuần tự có liên quan khi có một chồng lớp đơn giản. Trong ngăn xếp này, mỗi lớp có đúng một tenxơ đầu vào và một tenxơ đầu ra. Nó không phù hợp khi mô hình có nhiều đầu vào hoặc nhiều đầu ra. Nó không thích hợp khi các lớp cần được chia sẻ. Nó không thích hợp khi lớp có nhiều đầu vào hoặc nhiều đầu ra. Nó không thích hợp khi kiến trúc phi tuyến tính được yêu cầu.
Tensorflow là một khuôn khổ học máy được cung cấp bởi Google. Nó là một khung công tác mã nguồn mở được sử dụng cùng với Python để triển khai các thuật toán, ứng dụng học sâu và hơn thế nữa. Nó được sử dụng trong nghiên cứu và cho mục đích sản xuất. Nó có các kỹ thuật tối ưu hóa giúp thực hiện các phép toán phức tạp một cách nhanh chóng.
Điều này là do nó sử dụng NumPy và các mảng đa chiều. Các mảng đa chiều này còn được gọi là 'tensors'. Khung hỗ trợ làm việc với mạng nơ-ron sâu. Nó có khả năng mở rộng cao và đi kèm với nhiều bộ dữ liệu phổ biến. Nó sử dụng tính toán GPU và tự động hóa việc quản lý tài nguyên. Nó đi kèm với vô số thư viện học máy và được hỗ trợ và ghi lại đầy đủ. Khung có khả năng chạy các mô hình mạng nơ-ron sâu, đào tạo chúng và tạo các ứng dụng dự đoán các đặc điểm liên quan của các bộ dữ liệu tương ứng.
Gói 'tensorflow' có thể được cài đặt trên Windows bằng dòng mã bên dưới -
pip install tensorflow
Tensor là một cấu trúc dữ liệu được sử dụng trong TensorFlow. Nó giúp kết nối các cạnh trong một sơ đồ luồng. Sơ đồ luồng này được gọi là 'Biểu đồ luồng dữ liệu'. Hàng căng không là gì ngoài mảng nhiều chiều hoặc một danh sách. Chúng có thể được xác định bằng ba thuộc tính chính
-
Xếp hạng - Nó cho biết về kích thước của tensor. Nó có thể được hiểu là thứ tự của tensor hoặc số kích thước trong tensor đã được xác định.
-
Loại - Nó cho biết về kiểu dữ liệu được liên kết với các phần tử của Tensor. Nó có thể là tensor một chiều, hai chiều hoặc n chiều.
-
Hình dạng - Là số hàng và số cột cùng nhau.
Keras có nghĩa là 'sừng' trong tiếng Hy Lạp. Keras được phát triển như một phần nghiên cứu của dự án ONEIROS (Hệ điều hành Robot thông minh điện tử thần kinh mở). Keras là một API học sâu, được viết bằng Python. Đây là một API cấp cao có giao diện hiệu quả giúp giải quyết các vấn đề về học máy. Nó chạy trên khuôn khổ Tensorflow. Nó được xây dựng để giúp thử nghiệm một cách nhanh chóng. Nó cung cấp các khối xây dựng và trừu tượng thiết yếu cần thiết trong việc phát triển và đóng gói các giải pháp học máy.
Keras đã có trong gói Tensorflow. Nó có thể được truy cập bằng cách sử dụng dòng mã dưới đây.
import tensorflow from tensorflow import keras
Chúng tôi đang sử dụng Google Colaboratory để chạy đoạn mã dưới đây. Google Colab hoặc Colaboratory giúp chạy mã Python qua trình duyệt và không yêu cầu cấu hình cũng như quyền truy cập miễn phí vào GPU (Đơn vị xử lý đồ họa). Colaboratory đã được xây dựng trên Jupyter Notebook.
Hãy để chúng tôi xem một ví dụ để tạo mô hình tuần tự với Tensorflow, bao gồm Keras -
Ví dụ
print("A sequential model is being created")
model = keras.Sequential()
model.add(layers.Dense(2, activation="relu"))
model.add(layers.Dense(3, activation="relu"))
model.add(layers.Dense(4))
print("Dense layers have been added to the model") Tín dụng mã - https://www.tensorflow.org/guide/keras/sequential_model
Đầu ra
A sequenital model is being created Dense layers have been added to the model
Giải thích
-
Đây là một phương pháp thay thế để tạo mô hình tuần tự trong Keras bằng Python và thêm các lớp vào đó.
-
Một biến được gán lệnh gọi cho phương thức 'tuần tự'.
-
Cùng với biến này, phương thức ‘add’ được sử dụng để tạo các lớp cho mô hình.
-
Sau khi các lớp đã được thêm vào, dữ liệu sẽ được hiển thị trên bảng điều khiển.