This page was translated by the Cloud Translation API.
Switch to English

টেনসরফ্লো মেশিন লার্নিংয়ের জন্য একটি শেষ থেকে শেষ ওপেন সোর্স প্ল্যাটফর্ম

টেনসরফ্লো নতুনদের এবং বিশেষজ্ঞদের পক্ষে মেশিন লার্নিং মডেলগুলি তৈরি করা সহজ করে তোলে। শুরু করতে নীচের বিভাগগুলি দেখুন।

টিউটোরিয়াল দেখুন

টিউটোরিয়ালগুলি আপনাকে সম্পূর্ণ, শেষ থেকে শেষের উদাহরণগুলির সাথে টেনসরফ্লো কীভাবে ব্যবহার করতে হবে তা দেখায়।

গাইড দেখুন

গাইডগুলি টেনসরফ্লো এর ধারণা এবং উপাদানগুলি ব্যাখ্যা করে।

নতুনদের জন্য

শুরু করার জন্য সর্বোত্তম জায়গাটি হ'ল ব্যবহারকারী-বান্ধব সিক্যুয়ালিয়াল এপিআই। বিল্ডিং ব্লকগুলি একসাথে প্লাগ করে আপনি মডেলগুলি তৈরি করতে পারেন। নীচে "হ্যালো ওয়ার্ল্ড" উদাহরণটি চালান, তারপরে আরও শিখতে টিউটোরিয়ালগুলি দেখুন।

এমএল শিখতে আমাদের শিক্ষার পৃষ্ঠাটি দেখুন । ফাউন্ডেশনাল এমএল অঞ্চলে আপনার দক্ষতা উন্নত করতে সিক্যুটেড কারিকুলাম দিয়ে শুরু করুন।

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

বিশেষজ্ঞদের জন্য

সাবক্লাসিং এপিআই উন্নত গবেষণার জন্য একটি সংজ্ঞা দ্বারা চালিত ইন্টারফেস সরবরাহ করে। আপনার মডেলের জন্য একটি ক্লাস তৈরি করুন, তারপরে ফরওয়ার্ড পাসটি জরুরীভাবে লিখুন। সহজেই কাস্টম স্তরগুলি, সক্রিয়করণগুলি এবং প্রশিক্ষণের লুপগুলি লেখক। নীচে "হ্যালো ওয়ার্ল্ড" উদাহরণটি চালান, তারপরে আরও শিখতে টিউটোরিয়ালগুলি দেখুন।

class MyModel(tf.keras.Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.conv1 = Conv2D(32, 3, activation='relu')
    self.flatten = Flatten()
    self.d1 = Dense(128, activation='relu')
    self.d2 = Dense(10, activation='softmax')

  def call(self, x):
    x = self.conv1(x)
    x = self.flatten(x)
    x = self.d1(x)
    return self.d2(x)
model = MyModel()

with tf.GradientTape() as tape:
  logits = model(images)
  loss_value = loss(logits, labels)
grads = tape.gradient(loss_value, model.trainable_variables)
optimizer.apply_gradients(zip(grads, model.trainable_variables))

সাধারণ সমস্যার সমাধান

আপনার প্রকল্পগুলির সাথে আপনাকে সহায়তা করতে ধাপে ধাপে টিউটোরিয়ালগুলি এক্সপ্লোর করুন।

নতুনদের জন্য
আপনার প্রথম নিউরাল নেটওয়ার্ক

সম্পূর্ণ টেনসরফ্লো প্রোগ্রামটির এই দ্রুত গতিযুক্ত ওভারভিউতে পোশাকের চিত্রগুলি যেমন স্নিকার এবং শার্টগুলির শ্রেণীবদ্ধ করার জন্য একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণ দিন।

বিশেষজ্ঞদের জন্য
জেনারেটর অ্যাডভারসিয়াল নেটওয়ার্ক

কেরাস সাবক্লাসিং এপিআই ব্যবহার করে হস্তাক্ষর অঙ্কের চিত্রগুলি তৈরি করতে একটি জেনারেটর অ্যাডভারসিয়াল নেটওয়ার্ক প্রশিক্ষণ দিন।

বিশেষজ্ঞদের জন্য
মনোযোগ সহ নিউরাল মেশিন অনুবাদ

কেরাস সাবক্লাসিং এপিআই ব্যবহার করে স্প্যানিশ থেকে ইংরেজি অনুবাদ করার জন্য সিক্যুয়েন্স-টু-সিকোয়েন্স মডেলটি প্রশিক্ষণ দিন।

সংবাদ এবং ঘোষণা

অতিরিক্ত আপডেটের জন্য আমাদের ব্লগটি দেখুন, এবং সর্বশেষতম ঘোষণাগুলি সরাসরি আপনার ইনবক্সে প্রেরণ পেতে আমাদের মাসিক টেনসরফ্লো নিউজলেটারে সাবস্ক্রাইব করুন।