টেনসরফ্লো ক্লাউড টিউনার গাইড

এই মডিউল কি?

tuner হল একটি মডিউল যা বিস্তৃত tensorflow_cloud এর অংশ। এই মডিউলটি হাইপারপ্যারামিটার টিউনিংয়ের জন্য একটি লাইব্রেরির বাস্তবায়ন যা KerasTuner- এর উপর নির্মিত এবং হাইপারপ্যারামিটারের পরামর্শ পেতে এবং ট্রায়াল চালানোর জন্য ব্যাকএন্ড হিসাবে ক্লাউড এআই প্ল্যাটফর্ম ভিজিয়ারের সাথে একটি বিরামহীন ইন্টিগ্রেশন তৈরি করে।

tuner মডিউলটি ক্লাউড এআই প্ল্যাটফর্ম ভিজিয়ারের সাথে হাইপারপ্যারামিটারের পরামর্শ পেতে এবং ট্রায়াল চালানোর জন্য ব্যাকএন্ড হিসাবে একটি বিরামহীন ইন্টিগ্রেশন তৈরি করে।

from tensorflow_cloud import CloudTuner
import kerastuner
import tensorflow as tf

(x, y), (val_x, val_y) = tf.keras.datasets.mnist.load_data()
x = x.astype('float32') / 255.
val_x = val_x.astype('float32') / 255.

def build_model(hp):
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Flatten(input_shape=(28, 28)))
    for _ in range(hp.get('num_layers')):
        model.add(tf.keras.layers.Dense(units=64, activation='relu'))
    model.add(tf.keras.layers.Dense(10, activation='softmax'))
    model.compile(
        optimizer=tf.keras.optimizers.Adam(lr=hp.get('learning_rate')),
        loss='sparse_categorical_crossentropy',
        metrics=['accuracy'])
    return model

# Configure the search space
HPS = kerastuner.engine.hyperparameters.HyperParameters()
HPS.Float('learning_rate', min_value=1e-4, max_value=1e-2, sampling='log')
HPS.Int('num_layers', 2, 10)

# Instantiate CloudTuner
hptuner = CloudTuner(
    build_model,
    project_id=PROJECT_ID,
    region=REGION,
    objective='accuracy',
    hyperparameters=HPS,
    max_trials=5,
    directory='tmp_dir/1')

# Execute our search for the optimization study
hptuner.search(x=x, y=y, epochs=10, validation_data=(val_x, val_y))

# Get a summary of the trials from this optimization study
hptuner.results_summary()

আরও সম্পূর্ণ উদাহরণের জন্য এই চলমান নোটবুকটি দেখুন।