আমি জানি যে কেরাস টেনসরফ্লোতে একটি উচ্চ-স্তরের ইন্টারফেস হিসাবে কাজ করে।
তবে আমার কাছে মনে হয় কেরারা নিজেরাই অনেকগুলি কার্যকারিতা করতে পারে (ডেটা ইনপুট, মডেল তৈরি, প্রশিক্ষণ, মূল্যায়ন)।
তদ্ব্যতীত, টেনসরফ্লো এর কিছু কার্যকারিতা সরাসরি কেরাসে পোর্ট করা যায় (যেমন কেরাসে টিএফ মেট্রিক বা ক্ষতির ফাংশন ব্যবহার করা সম্ভব)।
আমার প্রশ্ন, টেনসরফ্লো এমন কী প্রস্তাব দেয় যা কেরাসে পুনরুত্পাদন করা যায় না?
উত্তর:
ডিপ লার্নিং ফ্রেমওয়ার্কগুলি বিমূর্ততার 2 স্তরে পরিচালিত হয়:
আপনি কেরাস এবং টেনসরফ্লো তুলনা করতে পারবেন না কারণ তারা বিমূর্ততার বিভিন্ন স্তরে বসে। আমি কেরাস ব্যবহারের অভিজ্ঞতাটি ভাগ করে নেওয়ার জন্য এই সুযোগটিও নিতে চাই:
আপনি যদি কেরাসে আপনার ব্যাকএন্ড হিসাবে টেনসরফ্লো ব্যবহার করেন তবে তারা কমবেশি একই কার্যকারিতা ভাগ করে নেয়। আপনার মাধ্যমে keras.backendটেনসরফ্লো ফাংশনগুলি tf.kerasঅ্যাক্সেস পাবেন , যখন আপনি টেনসরফ্লো দিয়ে কেরাসের পুরো এপিআইতে অ্যাক্সেস পাবেন।
যেহেতু এটি হ'ল, আমি আপনাকে কেরাসের সাথে আটকে থাকার পরামর্শ দিচ্ছি এবং যদি কিছু খুঁজে পাওয়া যায় (যেমন একটি মেট্রিক বা ক্ষতির ফাংশন) তবে আপনি এটি টেনসরফ্লোয়ের মাধ্যমে আমদানি করতে পারেন।
কেরাস যেমন আপনি বলেছেন তেমন সমস্ত কার্যকারিতা রয়েছে তবে বাক্সের বাইরে এটি কেবল সিপিইউতে চলে। টেনসরফ্লো বা সিএনটিকে (যা আমি ব্যক্তিগতভাবে পছন্দ করি) এর মতো ব্যাকএন্ডে প্লাগ ইন করে আপনি জিপিইউটির শক্তি আনলক করেন যা কিছু এমএল কাজের চাপ বিশেষত ডিএল ওয়ার্কলোডকে তীব্রতর করতে পারে। আপনার যদি পৃথক জিপিইউ না থাকে তবে সুবিধাগুলি সর্বনিম্ন।
অনুশীলনের বেশিরভাগ সময় আপনি কেবলমাত্র আপনার ব্যাকএন্ড সেট করতে পারেন এবং এটি সম্পর্কে ভুলে যেতে পারেন এবং কেরাসের মধ্যে পুরোপুরি কাজ করতে পারেন, এমনকি অন্যটির জন্য আপনার ব্যাকএন্ডের স্যুপ পরিবর্তন করতে পারেন এবং পারফরম্যান্সের তুলনা করতে পারেন। সুতরাং আপনি যদি নিম্ন স্তরে সরাসরি কোড না করতে চান তবে টিএফের স্পেসিফিকেশনগুলি শেখার দরকার নেই।
প্রদত্ত যে টেনসরফ্লো সাধারণভাবে কেরাসের তুলনায় আরও নিম্ন-স্তরের গ্রন্থাগার এটি আপনি দেখতে পাবেন এটি অতিরিক্ত নমনীয়তা এবং উন্নত পারফরম্যান্স সরবরাহ করে (তুলনামূলকভাবে অপ্রতুল হলেও, আপনি কীভাবে আপনার কোড লেখেন তার উপর নির্ভর করে)। আমি বলব, আপনি যদি গবেষণা বা নতুন ধরণের নিউরাল নেটওয়ার্ক বিকাশ করেন তবে টেনসরফ্লো সম্পর্কে জ্ঞান খুব দরকারী। এর বাইরে, কেরাসের সাথে আপনার ভাল হওয়া উচিত যদিও টেনসরফ্লো কীভাবে কাজ করে তা বোঝার পরেও যদি আপনি এটিকে ব্যাকএন্ড হিসাবে ব্যবহার করেন তবে সহায়ক হতে পারে।
তবে কিছুক্ষণ আগে আমি পড়েছিলাম যে কেরাস এবং টেনসরফ্লো আরও সংহত হয়ে উঠবে যা আপনার জন্য জীবনকে অনেক সহজ করে তুলবে।
অবশ্যই এটি আমার ব্যক্তিগত দৃষ্টিভঙ্গি, সুতরাং আমি আপনাকে কিছু অতিরিক্ত নিবন্ধের দিকে নির্দেশ করতে চাই যাতে আপনি নিজের কিছু পড়তে পারেন। Kaggle- এ এই আলোচনাটি আর্গুমেন্টগুলির একটি দুর্দান্ত ওভারভিউ দেয় এবং কখন ব্যবহার করবে। এই বিষয়ে মিডিয়াম পোস্ট ।
প্রত্যেক শিক্ষানবিশকে এই প্রশ্ন থাকে has সবসময় মনে হয় যে কেরাস কোডের কয়েকটি লাইনে ডেটা ইনপুট, মডেল তৈরি, প্রশিক্ষণ, মূল্যায়নের মতো মৌলিক কার্যকারিতা সমাধান করে।
তবে আপনি যখন স্ক্র্যাচ থেকে একটি এমএল মডেল বিকাশ শুরু করবেন, তখন আপনি বুঝতে পারবেন যে আপনি এনএন তে প্রচুর গণিতের প্রোগ্রাম করতে পারেন, এবং টেনসরফ্লো লাইব্রেরি সেই ধারণাগুলিকে ব্যবহারিক করে তোলার জন্য প্রচুর কার্যকারিতা এবং নিয়ন্ত্রণ সরবরাহ করে। শেখার গাণিতিক দিকগুলি সহজেই ভিজ্যুয়ালাইজ করা যায় এবং টিএনএফ ব্যবহার করে এনএন দিয়ে তৈরি করা যায়।