Google Colaboratory இல் TensorFlow டேட்டாசெட்களை ஏற்ற, கீழே கொடுக்கப்பட்டுள்ள படிகளைப் பின்பற்றலாம். TensorFlow தரவுத்தொகுப்புகள் என்பது TensorFlow உடன் பயன்படுத்தத் தயாராக இருக்கும் தரவுத்தொகுப்புகளின் தொகுப்பாகும். இது பலதரப்பட்ட தரவுத்தொகுப்புகளை வழங்குகிறது, இது இயந்திர கற்றல் பணிகளுக்கு வசதியாக உள்ளது. Google Colaboratory, Colab என்றும் அழைக்கப்படுகிறது, இது Google வழங்கும் இலவச கிளவுட் சேவையாகும், இது பயனர்களை GPU களுக்கான அணுகலுடன் உலாவியில் பைதான் குறியீட்டை எழுதவும் இயக்கவும் அனுமதிக்கிறது.
முதலில், உங்கள் Colab சூழலில் TensorFlow டேட்டாசெட்களை நிறுவ வேண்டும். உங்கள் Colab நோட்புக்கில் உள்ள குறியீடு கலத்தில் பின்வரும் கட்டளையை இயக்குவதன் மூலம் இதைச் செய்யலாம்:
python !pip install -q tensorflow-datasets
இந்த கட்டளை உங்கள் Colab சூழலில் TensorFlow தரவுத்தொகுப்பு நூலகத்தை நிறுவுகிறது, இது வழங்கும் தரவுத்தொகுப்புகளை அணுக உங்களுக்கு உதவுகிறது.
அடுத்து, பின்வரும் பைதான் குறியீடு துணுக்கைப் பயன்படுத்தி டென்சர்ஃப்ளோ டேட்டாசெட்ஸிலிருந்து தரவுத்தொகுப்பை ஏற்றலாம்:
python import tensorflow_datasets as tfds # Load the dataset dataset = tfds.load('dataset_name', split='train', as_supervised=True) # Iterate through the dataset for example in dataset: # Process the example pass
மேலே உள்ள குறியீட்டில், நீங்கள் ஏற்ற விரும்பும் தரவுத்தொகுப்பின் பெயருடன் `'dataset_name'' ஐ மாற்றவும். TensorFlow டேட்டாசெட்ஸ் இணையதளத்தில் உலாவுவதன் மூலமோ அல்லது உங்கள் Colab நோட்புக்கில் `tfds.list_builders()` செயல்பாட்டைப் பயன்படுத்தியோ கிடைக்கும் தரவுத்தொகுப்புகளின் பட்டியலைக் காணலாம்.
தரவுத்தொகுப்பின் எந்தப் பிரிவை ஏற்ற வேண்டும் என்பதை `பிளவு` அளவுரு குறிப்பிடுகிறது (எ.கா. `'ரயில்', `'சோதனை', `'சரிபார்ப்பு'`). `as_supervised=True` அமைப்பது தரவுத்தொகுப்பை tuple `(input, label)` வடிவத்தில் ஏற்றுகிறது, இது பொதுவாக இயந்திர கற்றல் பணிகளில் பயன்படுத்தப்படுகிறது.
தரவுத்தொகுப்பை ஏற்றிய பிறகு, மேலும் செயலாக்கத்திற்கான தனிப்பட்ட எடுத்துக்காட்டுகளை அணுக அதன் மூலம் மீண்டும் மீண்டும் செய்யலாம். தரவுத்தொகுப்பைப் பொறுத்து, நீங்கள் தரவை முன்கூட்டியே செயலாக்க வேண்டும், மாற்றங்களைப் பயன்படுத்த வேண்டும் அல்லது பயிற்சி மற்றும் சோதனைத் தொகுப்புகளாகப் பிரிக்க வேண்டும்.
சில தரவுத்தொகுப்புகளுக்கு கூடுதல் முன்செயலாக்கப் படிகள் அல்லது குறிப்பிட்ட உள்ளமைவுகள் தேவைப்படலாம் என்பதைக் கவனத்தில் கொள்ள வேண்டும். ஒவ்வொரு தரவுத்தொகுப்பின் விரிவான தகவலுக்கும் அவற்றுடன் எவ்வாறு திறம்பட செயல்படுவது என்பது குறித்தும் TensorFlow தரவுத்தொகுப்பு ஆவணங்களைப் பார்க்கவும்.
இந்தப் படிகளைப் பின்பற்றுவதன் மூலம், Google Colaboratory இல் TensorFlow தரவுத்தொகுப்புகளை எளிதாக ஏற்றலாம் மற்றும் கிடைக்கக்கூடிய தரவுத்தொகுப்புகளின் வளமான சேகரிப்பைப் பயன்படுத்தி உங்கள் கணினி கற்றல் திட்டங்களில் வேலை செய்யத் தொடங்கலாம்.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் EITC/AI/GCML கூகிள் கிளவுட் மெஷின் கற்றல்:
- டெக்ஸ்ட் டு ஸ்பீச் (TTS) என்றால் என்ன, அது AI உடன் எவ்வாறு செயல்படுகிறது?
- இயந்திர கற்றலில் பெரிய தரவுத்தொகுப்புகளுடன் பணிபுரிவதில் உள்ள வரம்புகள் என்ன?
- இயந்திர கற்றல் சில உரையாடல் உதவிகளை செய்ய முடியுமா?
- டென்சர்ஃப்ளோ விளையாட்டு மைதானம் என்றால் என்ன?
- பெரிய தரவுத்தொகுப்பு உண்மையில் என்ன அர்த்தம்?
- அல்காரிதத்தின் ஹைபர்பாராமீட்டர்களின் சில எடுத்துக்காட்டுகள் யாவை?
- இசையமைத்தல் கற்றல் என்றால் என்ன?
- தேர்ந்தெடுக்கப்பட்ட இயந்திர கற்றல் அல்காரிதம் பொருத்தமானதாக இல்லாவிட்டால் என்ன செய்வது மற்றும் சரியானதைத் தேர்ந்தெடுப்பதை எவ்வாறு உறுதிப்படுத்துவது?
- ஒரு இயந்திர கற்றல் மாதிரி அதன் பயிற்சியின் போது மேற்பார்வை தேவையா?
- நியூரல் நெட்வொர்க் அடிப்படையிலான அல்காரிதம்களில் பயன்படுத்தப்படும் முக்கிய அளவுருக்கள் யாவை?
EITC/AI/GCML Google Cloud Machine Learning இல் கூடுதல் கேள்விகள் மற்றும் பதில்களைக் காண்க