TensorFlow হল মেশিন লার্নিং এর জন্য এন্ড-টু-এন্ড ওপেন সোর্স প্ল্যাটফর্ম

TensorFlow নতুনদের এবং বিশেষজ্ঞদের জন্য মেশিন লার্নিং মডেল তৈরি করা সহজ করে তোলে। শুরু করতে নীচের বিভাগগুলি দেখুন।

টিউটোরিয়াল দেখুন

টিউটোরিয়ালগুলি আপনাকে দেখায় কিভাবে সম্পূর্ণ, শেষ থেকে শেষ উদাহরণ সহ TensorFlow ব্যবহার করতে হয়।

গাইড দেখুন

গাইড টেনসরফ্লো এর ধারণা এবং উপাদান ব্যাখ্যা করে।

নতুনদের জন্য

শুরু করার সর্বোত্তম জায়গা হল ব্যবহারকারী-বান্ধব সিকোয়েন্সিয়াল API দিয়ে। আপনি বিল্ডিং ব্লক একসাথে প্লাগ করে মডেল তৈরি করতে পারেন। নীচের "হ্যালো ওয়ার্ল্ড" উদাহরণটি চালান, তারপর আরও জানতে টিউটোরিয়ালগুলিতে যান৷

ML শিখতে, আমাদের শিক্ষা পৃষ্ঠা দেখুন। মৌলিক এমএল এলাকায় আপনার দক্ষতা উন্নত করতে কিউরেটেড পাঠ্যক্রম 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 API উন্নত গবেষণার জন্য একটি সংজ্ঞায়িত ইন্টারফেস প্রদান করে। আপনার মডেলের জন্য একটি ক্লাস তৈরি করুন, তারপর ফরওয়ার্ড পাসটি অপরিহার্যভাবে লিখুন। কাস্টম লেয়ার, অ্যাক্টিভেশন, এবং ট্রেনিং লুপ সহজেই লেখক। নীচের "হ্যালো ওয়ার্ল্ড" উদাহরণটি চালান, তারপর আরও জানতে টিউটোরিয়ালগুলিতে যান৷

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 প্রকল্পগুলিতে আপনাকে সাহায্য করার জন্য ধাপে ধাপে টিউটোরিয়ালগুলি অন্বেষণ করুন৷

নতুনদের জন্য
আপনার প্রথম নিউরাল নেটওয়ার্ক

একটি সম্পূর্ণ টেনসরফ্লো প্রোগ্রামের এই দ্রুতগতির ওভারভিউতে স্নিকার্স এবং শার্টের মতো পোশাকের চিত্রগুলিকে শ্রেণিবদ্ধ করতে একটি নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দিন।

বিশেষজ্ঞদের জন্য
জেনারেটিভ প্রতিপক্ষ নেটওয়ার্ক

কেরাস সাবক্লাসিং API ব্যবহার করে হাতে লেখা অঙ্কের ছবি তৈরি করতে একটি জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ককে প্রশিক্ষণ দিন।

বিশেষজ্ঞদের জন্য
মনোযোগ সহ নিউরাল মেশিন অনুবাদ

কেরাস সাবক্লাসিং API ব্যবহার করে স্প্যানিশ থেকে ইংরেজি অনুবাদের জন্য একটি সিকোয়েন্স-টু-সিকোয়েন্স মডেল প্রশিক্ষণ দিন।

খবর এবং ঘোষণা

অতিরিক্ত আপডেটের জন্য আমাদের ব্লগ দেখুন, এবং আপনার ইনবক্সে সরাসরি পাঠানো সর্বশেষ ঘোষণা পেতে আমাদের TensorFlow নিউজলেটারে সদস্যতা নিন।