মডেল ডিপ্লয়মেন্ট এবং ইনফারেন্স হল মেশিন লার্নিং প্রক্রিয়ার গুরুত্বপূর্ণ পর্যায়। Amazon SageMaker ব্যবহার করে মডেল ডিপ্লয়মেন্ট এবং ইনফারেন্সের প্রক্রিয়া নিচে ধাপে ধাপে আলোচনা করা হলো।
ধাপ ১: মডেল ট্রেনিং সম্পন্ন করা
প্রথমে নিশ্চিত করুন যে আপনার মডেলটি ট্রেনিং সম্পন্ন হয়েছে এবং SageMaker-এ সংরক্ষিত আছে। আমরা ধরব যে আপনার পূর্বে তৈরি করা TensorFlow মডেল আছে।
ধাপ ২: মডেল ডিপ্লয়মেন্ট
২.১. SageMaker Estimator থেকে মডেল ডিপ্লয় করুন
# SageMaker টেনসরফ্লো এস্টিমেটর থেকে মডেল ডিপ্লয় করা
predictor = tensorflow_estimator.deploy(
initial_instance_count=1, # ডেপ্লয় করার জন্য ইনস্ট্যান্সের সংখ্যা
instance_type='ml.m5.large' # ইনস্ট্যান্সের টাইপ
)
ধাপ ৩: ইনফারেন্সের জন্য পূর্বাভাস করা
৩.১. ইনফারেন্স ডেটা প্রস্তুত করা
আপনার ইনফারেন্স করার জন্য কিছু নতুন ডেটা প্রস্তুত করুন। এটি একটি CSV ফাইল হতে পারে বা DataFrame হতে পারে।
import pandas as pd
# ইনফারেন্সের জন্য নতুন ডেটা তৈরি করুন
inference_data = pd.DataFrame({
'feature1': [value1, value2],
'feature2': [value3, value4],
# অন্যান্য বৈশিষ্ট্য যোগ করুন
})
# ডেটা CSV ফরম্যাটে সংরক্ষণ করুন (ঐচ্ছিক)
inference_data.to_csv('inference_data.csv', index=False)
৩.২. পূর্বাভাসের জন্য মডেল ব্যবহার করা
# পূর্বাভাসের জন্য ইনফারেন্স ডেটা ব্যবহার করুন
predictions = predictor.predict(inference_data)
# পূর্বাভাস প্রিন্ট করুন
print(predictions)
ধাপ ৪: ফলাফল বিশ্লেষণ
আপনার পূর্বাভাসের ফলাফল বিশ্লেষণ করুন।
# পূর্বাভাস ফলাফল বিশ্লেষণ
for i, prediction in enumerate(predictions):
print(f"Sample {i+1}: Predicted Value = {prediction}")
ধাপ ৫: মডেল পরিষ্কার করা
ডেপ্লয় করার পরে, আপনি যদি মডেলটি আর ব্যবহার না করেন তবে ডিপ্লয়ড মডেলটি ক্লিন আপ করা গুরুত্বপূর্ণ।
# মডেলটি ডিপ্লয়ড থাকাকালীন পরিষ্কার করুন
predictor.delete_endpoint()
উপসংহার
এখন আপনি Amazon SageMaker ব্যবহার করে মডেল ডিপ্লয়মেন্ট এবং ইনফারেন্স প্রক্রিয়া সম্পর্কে জানেন। এই পদক্ষেপগুলি অনুসরণ করে, আপনি আপনার মডেল ডিপ্লয় করতে এবং নতুন ডেটার জন্য পূর্বাভাস করতে পারবেন।
Read more
