Chainer এর মাধ্যমে Deep Learning মডেল তৈরি

Chainer এর মাধ্যমে Deep Learning মডেল তৈরি

Chainer একটি ডিপ লার্নিং ফ্রেমওয়ার্ক যা ব্যবহারকারীদের জন্য একটি ফ্লেক্সিবল এবং ডাইনামিক পরিবেশ প্রদান করে। এটি বিভিন্ন ধরনের নিউরাল নেটওয়ার্ক তৈরি এবং প্রশিক্ষণ দেওয়ার জন্য সহজতর করে। নিচে Chainer ব্যবহার করে একটি মৌলিক ডিপ লার্নিং মডেল তৈরির প্রক্রিয়া আলোচনা করা হলো।

ধাপ ১: প্রয়োজনীয় লাইব্রেরি ইন্সটল করা

Chainer এবং অন্যান্য প্রয়োজনীয় লাইব্রেরি ইনস্টল করতে হবে। কমান্ড লাইন বা টার্মিনালে নিচের কমান্ডটি চালান:

pip install chainer numpy

ধাপ ২: ডেটাসেট তৈরি করা

এখানে আমরা MNIST ডেটাসেট ব্যবহার করবো, যা হাতের লেখা সংখ্যা শনাক্তকরণের জন্য ব্যবহৃত হয়।

import numpy as np
from chainer import datasets

# MNIST ডেটাসেট ডাউনলোড এবং লোড করা
train, test = datasets.get_mnist()

ধাপ ৩: মডেল তৈরি করা

এখন আমরা একটি সাধারণ নিউরাল নেটওয়ার্ক তৈরি করবো।

import chainer
import chainer.links as L
import chainer.functions as F

# নিউরাল নেটওয়ার্ক মডেল তৈরি করা
class MLP(chainer.Chain):
    def __init__(self):
        super(MLP, self).__init__()
        with self.init_scope():
            self.l1 = L.Linear(None, 100)  # প্রথম লেয়ার
            self.l2 = L.Linear(100, 10)    # দ্বিতীয় লেয়ার (আউটপুট)

    def forward(self, x):
        h = F.relu(self.l1(x))  # ReLU অ্যাক্টিভেশন ফাংশন
        return self.l2(h)        # আউটপুট

ধাপ ৪: মডেল প্রশিক্ষণ

এখন আমরা তৈরি করা মডেলটিকে প্রশিক্ষণ দেবো।

from chainer import optimizers, training
from chainer.training import extensions

# মডেল এবং অপটিমাইজার তৈরি করা
model = MLP()
optimizer = optimizers.SGD(lr=0.01)
optimizer.setup(model)

# ডেটাসেট ও প্রশিক্ষণ ইপোক্স নির্ধারণ
train_iter = chainer.iterators.SerialIterator(train, batch_size=64)
updater = training.StandardUpdater(train_iter, optimizer)

# প্রশিক্ষণ সাইকেল তৈরি করা
trainer = training.Trainer(updater, (10, 'epoch'), out='result')

# প্রশিক্ষণ চলাকালীন ফলাফল দেখতে চাইলে
trainer.extend(extensions.LogReport())
trainer.run()

ধাপ ৫: মডেল পরীক্ষা করা

প্রশিক্ষণের পর মডেলটিকে টেস্ট ডেটা দিয়ে পরীক্ষা করুন।

from chainer import Variable

# টেস্ট ডেটাসেটের উপর পরীক্ষামূলক পূর্বাভাস
test_iter = chainer.iterators.SerialIterator(test, batch_size=64, shuffle=False)

# মডেল টেস্ট করা
correct = 0
for batch in test_iter:
    x, t = chainer.dataset.convert.concat_examples(batch)
    x = Variable(x)
    y = model(x)
    correct += F.accuracy(y, t).data

print("Test accuracy: {:.2f}%".format(correct / len(test) * 100))

সারসংক্ষেপ

Chainer ব্যবহার করে একটি মৌলিক ডিপ লার্নিং মডেল তৈরি করার প্রক্রিয়া উপরে বর্ণিত হয়েছে। এখানে আমরা MNIST ডেটাসেট ব্যবহার করে একটি সহজ নিউরাল নেটওয়ার্ক তৈরি করেছি এবং সেটিকে প্রশিক্ষণ দিয়ে পরীক্ষা করেছি। Chainer এর ফ্লেক্সিবল ডিজাইন এবং ডাইনামিক কম্পিউটেশন গ্রাফ ব্যবহার করে মডেল তৈরি করা সহজ এবং কার্যকরী। এই প্রক্রিয়া থেকে আপনি ডিপ লার্নিংয়ের বিভিন্ন ধারণা এবং Chainer এর ব্যবহারিক দিকগুলি শিখতে পারবেন।