Automatic Machine Learning “MODEL” Search
नया अनाकोण्डा एनवायरनमेण्ट बनायें
जिनको कृत्रिम बुद्धि के मशीन लर्निंग मॉडल बनाने का वर्षों का अनुभव नहीं हैं वे तय नहीं कर पाते कि किस प्रकार के डैटासेट के लिये मशीन लर्निंग का कौन सा मॉडल बेहतर परिणाम देगा । इसके लिये ऑटो−केरस (AutoKeras ) नाम का नया API रिलीज हुआ है जो “न्यूरल आर्किटेक्चर सर्च” द्वारा बेहतर संरचना और उचित पैरामीटरों वाले न्यूरल नेटवर्क मॉडल की खोज स्वतः करता है और इस तरह नौसीखियों को भी मशीन लर्निंग प्रोग्रामर बना सकता है । यह AutoML का अङ्ग है । AutoML का अर्थ है दिये हुए डैटासेट हेतु सर्वोत्तम मॉडल की स्वचालित खोज । AutoML का यह कार्य AutoKeras करता है ।
लायनक्स मशीनों के लिये उदाहरण नेट पर मिल जायेंगे किन्तु माइक्रोसॉफ्ट विण्डो के लिये AutoKeras का ट्यूटोरियल प्रस्तुत लेख के सिवा कहीं नहीं मिलेगा ।
पहले इसे इन्सटॉल करने की प्रक्रिया समझें ।
पुराने जीपीयू वर्सन वाले अनाकोण्डा एनवायरनमेण्ट env_gpu को एडमिन मोड में खोलकर उसका का कॉपी करके नया एनवायरनमेण्ट बनायें ।
(यदि आपके कम्प्यूटर में डेडिकेटेड जीपीयू नहीं है तो बिना जीपीयू वाले किसी अच्छे एनवायरनमेण्ट का भी क्लोन कर सकते हैं，परन्तु कभी भी बेस एनवायरनमेण्ट में कोई परिवर्तन न करें，उसकी कॉपी दूसरे नाम से करके उसमें मनचाहे परिवर्तन करें ।)
नीचे दूसरी पङ्क्ति में उस नये एनवायरेनमेण्ट को एक्टिवेट करें ।
फिर नीचे तीसरी पङ्क्ति में उसके टेन्सरफ्लों को अपडेट करें क्योंकि ऑटो−केरस हेतु टेन्सरफ्लो २⋅३⋅० या बाद वाला वर्सन अनिवार्य है —
conda create —name env_autokeras —clone env_gpu
conda activate env_autokeras
pip install tensorflow —upgrade
मेरे env_gpu में टेन्सरफ्लो २⋅१⋅० था，उपरोक्त अपग्रेड के बाद परिणाम tensorflow-2.3.1 आया —
Successfully installed gast-0.3.3 numpy-1.18.5 tensorboard-2.3.0 tensorboard-plugin-wit-1.7.0 tensorflow-2.3.1 tensorflow-estimator-2.3.0
ऑटो−केरस इन्सटॉल करें
conda install git
pip install git+https://github.com/keras-team/keras-tuner.git@1.0.2rc1
pip install autokeras
▒░▓▒░▓▒░▓▒░▓▒░▓▒░▓▒░▓▒░▓▒░▓▒░▓
नेट की गति धीमी हो तो समय लगेगा ।
कुछ भी इन्सटॉल करने के लिसे किसी भी अनाकोण्डा एनवायरनमेण्ट के एडमिन मोड का प्रयोग करें，परन्तु प्रोग्रामिंग के लिये एडमिन मोड को बन्द करके उस एनवायरनमेण्ट के सामान्य मोड में प्रोग्रामिंग करें ।
Classification तथा Regression
न्यूरल नेटवर्क के मॉडलों का मुख्य प्रयोग होता है classification तथा regression के कार्यों को सम्पन्न करने में । classification तथा regression टास्कों के लिये डैटासेट भी क्रमशः classification तथा regression वाला होना चाहिये । क्लासीफिकेशन अर्थात् वर्गीकरण में निर्धारित करना पड़ता है कि कोई वस्तु किस वर्ग की होनी चाहिये । उदाहरणार्थ，डायबिटीज का जो उदाहरण इस लेखमाला में दिया गया था वह वर्गीकरण की समस्या थी जिसमें पता लगाना था कि व्यक्ति मरीज वाले वर्ग में है या स्वस्थ वर्ग में ।
