এই বিভাগে tensorflow প্যাকেজ থেকে পৃথক প্রকল্প এবং প্যাকেজগুলির জন্য API রেফারেন্স পৃষ্ঠাগুলির অতিরিক্ত সংগ্রহ রয়েছে, তবে এতে ডেডিকেটেড সাবসাইট পৃষ্ঠা নেই।
টেনসরফ্লো মডেলের সংগ্রহস্থল
টেনসরফ্লো মডেল রিপোজিটরি স্টেট-অফ-দ্য-আর্ট (SOTA) মডেলের বাস্তবায়ন প্রদান করে।
অফিসিয়াল/প্রকল্প ডিরেক্টরিতে SOTA মডেলের একটি সংগ্রহ রয়েছে যা TensorFlow-এর উচ্চ-স্তরের API ব্যবহার করে। লেটেস্ট টেনসরফ্লো এপিআই-এর সাথে সেগুলি ভালভাবে রক্ষণাবেক্ষণ, পরীক্ষিত এবং আপ-টু-ডেট রাখার উদ্দেশ্যে করা হয়েছে।
এই মডেলগুলি তৈরি এবং প্রশিক্ষণের জন্য ব্যবহৃত লাইব্রেরি কোডটি একটি পাইপ প্যাকেজ হিসাবে উপলব্ধ। আপনি এটি ব্যবহার করে ইনস্টল করতে পারেন:
$ pip install tensorflow-models-official # For the latest release
$ #or
$ pip install tf-models-nightly # For the nightly build
উত্স থেকে প্যাকেজ ইনস্টল করতে, এই নির্দেশাবলী পড়ুন.
tensorflow-models-official পিপ প্যাকেজে দুটি শীর্ষ-স্তরের মডিউল রয়েছে: tensorflow_models এবং orbit । আপনি তাদের সাথে আমদানি করতে পারেন:
import tensorflow_models as tfm
import orbit
টেনসরফ্লো মডেল
tensorflow_models মডিউল বিল্ডিং মডেল এবং কনফিগারিং প্রশিক্ষণ পরিচালনা করে। অ্যাপ্লিকেশন-নির্দিষ্ট কার্যকারিতা tfm.vision এবং tfm.nlp এর অধীনে উপলব্ধ।
কক্ষপথ
orbit মডিউল টেনসরফ্লোতে কাস্টমাইজড ট্রেনিং লুপ কোড লেখার জন্য একটি নমনীয় এবং লাইটওয়েট লাইব্রেরি সংজ্ঞায়িত করে। অরবিট যে ধরণের মডেলগুলির সাথে কাজ করে সে সম্পর্কে নমনীয়। আপনি কেরাস মডেলগুলিকে প্রশিক্ষণ দিতে অরবিট ব্যবহার করতে পারেন ( Model.fit বিকল্প হিসাবে), তবে আপনাকে কেরাস ব্যবহার করতে হবে না। অরবিট tf.distribute সাথে নির্বিঘ্নে সংহত করে এবং বিভিন্ন ধরনের ডিভাইসে (CPU, GPU, এবং TPU) চলমান সমর্থন করে।