TensorFlow के साथ पाठ वर्गीकरण के दिए गए उदाहरण में कौन से अनुकूलक और हानि फ़ंक्शन का उपयोग किया जाता है?
TensorFlow के साथ पाठ वर्गीकरण के दिए गए उदाहरण में, उपयोग किया गया ऑप्टिमाइज़र एडम ऑप्टिमाइज़र है, और उपयोग किया गया हानि फ़ंक्शन स्पार्स श्रेणीबद्ध क्रॉसेंट्रॉपी है।
एडम ऑप्टिमाइज़र स्टोकेस्टिक ग्रेडिएंट डिसेंट (एसजीडी) एल्गोरिदम का एक विस्तार है जो दो अन्य लोकप्रिय ऑप्टिमाइज़र के फायदों को जोड़ता है: एडाग्रैड और आरएमएसप्रॉप। यह प्रत्येक पैरामीटर के लिए सीखने की दर को गतिशील रूप से समायोजित करता है, जिससे तेज़ अभिसरण और बेहतर प्रदर्शन की अनुमति मिलती है। एडम ऑप्टिमाइज़र ग्रेडिएंट्स के पहले और दूसरे क्षणों के अनुमान के आधार पर प्रत्येक पैरामीटर के लिए अनुकूली सीखने की दरों की गणना करता है। यह अनुकूली सीखने की दर ऑप्टिमाइज़र को जल्दी और कुशलता से अभिसरण करने में मदद करती है।
उदाहरण में प्रयुक्त हानि फ़ंक्शन स्पार्स श्रेणीबद्ध क्रॉसेंट्रॉपी है। यह हानि फ़ंक्शन आमतौर पर बहु-वर्ग वर्गीकरण कार्यों के लिए उपयोग किया जाता है जब कक्षाएं परस्पर अनन्य होती हैं। यह अनुमानित संभावनाओं और वास्तविक लेबल के बीच क्रॉस-एन्ट्रॉपी हानि की गणना करता है। स्पार्स श्रेणीबद्ध क्रॉसेंट्रॉपी उन मामलों के लिए उपयुक्त है जहां लेबल को एक-हॉट एन्कोडेड वैक्टर के बजाय पूर्णांक के रूप में दर्शाया जाता है। यह नुकसान की गणना करने से पहले आंतरिक रूप से पूर्णांक लेबल को एक-हॉट एन्कोडेड वैक्टर में परिवर्तित करता है।
पाठ वर्गीकरण के संदर्भ में एडम ऑप्टिमाइज़र और स्पार्स श्रेणीबद्ध क्रॉसेंट्रॉपी हानि फ़ंक्शन के उपयोग को स्पष्ट करने के लिए, निम्नलिखित कोड स्निपेट पर विचार करें:
python # Define the optimizer optimizer = tf.keras.optimizers.Adam() # Define the loss function loss_function = tf.keras.losses.SparseCategoricalCrossentropy() # Compile the model model.compile(optimizer=optimizer, loss=loss_function, metrics=['accuracy'])
इस कोड स्निपेट में, एडम ऑप्टिमाइज़र `tf.keras.optimizers.Adam()` फ़ंक्शन का उपयोग करके बनाया गया है, और स्पार्स श्रेणीबद्ध क्रॉसेंट्रॉपी हानि फ़ंक्शन `tf.keras.losses.SparseCategoricalCrossentropy()` फ़ंक्शन का उपयोग करके बनाया गया है। इन ऑप्टिमाइज़र और हानि फ़ंक्शन उदाहरणों को फिर मॉडल की `compile()` विधि में पास किया जाता है, जो उन्हें तंत्रिका नेटवर्क के प्रशिक्षण के लिए सेट करता है।
TensorFlow के साथ पाठ वर्गीकरण का प्रदान किया गया उदाहरण एडम ऑप्टिमाइज़र और स्पार्स श्रेणीबद्ध क्रॉसेंट्रॉपी हानि फ़ंक्शन का उपयोग करता है। एडम ऑप्टिमाइज़र प्रत्येक पैरामीटर के लिए सीखने की दर को गतिशील रूप से समायोजित करता है, जबकि स्पार्स श्रेणीबद्ध क्रॉसेंट्रॉपी हानि फ़ंक्शन पूर्णांक लेबल के साथ बहु-वर्ग वर्गीकरण कार्यों के लिए क्रॉस-एन्ट्रॉपी हानि की गणना करता है।
संबंधित अन्य हालिया प्रश्न और उत्तर एक तंत्रिका नेटवर्क डिजाइनिंग:
- TensorFlow में परीक्षण सेट के विरुद्ध प्रशिक्षित मॉडल की सटीकता का मूल्यांकन कैसे किया जाता है?
- TensorFlow में पाठ वर्गीकरण के लिए उपयोग किए जाने वाले तंत्रिका नेटवर्क मॉडल की वास्तुकला का वर्णन करें।
- TensorFlow में एम्बेडिंग परत शब्दों को वैक्टर में कैसे परिवर्तित करती है?
- TensorFlow के साथ पाठ वर्गीकरण में एम्बेडिंग का उपयोग करने का उद्देश्य क्या है?