4.IMDB datasetini oqıtıw Sequential modelin qurıw hám túsindiriw
1. Maǵlıwmatlar kompleksi: IMDb dataseti, filmler hám televiziyalıq programmaları haqqındaǵı maǵlıwmatlardı óz ishine alǵan maǵlıwmatlar kompleksi bolıp tabıladı. Bul jıynaq, film atı, janr, aktyorlar, rejissorlar, bahalar hám basqa maǵlıwmatlardan ibarat bolıp, ulıwmaatda júz milyonlardan kóp bolǵan film-tayanshlar dizimin óz ishine aladı.
2. Sequential model: Sequential model, bir neshe óz-ara baylanıslılı táǵdirlerdi tarqatıp atırǵan izbe-izlilikdegi maǵlıwmatlar ústinde isleytuǵın maǵlıwmatlardı isleytuǵın model bolıp tabıladı. Bul model, episodik sapada túrli túrler degi maǵlıwmatlar menen isley aladı, mısalı, sóylemar, xalıq haqqındaǵı maǵlıwmatlar, muzıka dóretpelerin izbe-izligi, matematikalıq jumıslar hám t.b.
3. Jazıp túsindiriw kode: IMDb datasetini sequential modelge oqıtıw ushın Python programmalastırıw tilinen paydalanıw múmkin. Mısalı, TensorFlow, PyTorch yamasa Keras sıyaqlı kitapxanalardan birin tańlap, maǵlıwmatlar ústinde jazıp túsindiriw esaplanǵan maǵlıwmatlar juwmaǵında qáliplestirilgen modeldi dúziw múmkin.
4. Túsindiriwdiń ko'di: Sequential modeldi oqıtıw ushın kodtı kórsetiwge hár bir kórsetpelerdiń óz ekenligi, hesh qanday kodtı direkt túrde kórsetpeydi. Bul, modeldi qanday dúziwge, maǵlıwmatlardı qanday oqıtıwǵa hám túsindiriwge qarar etilgeninen, saylanǵan programmalastırıw tilinen hám kitapxanadan qaray ózgeredi.
Modeldi úyretiw ushın tómendegi kodlar isletiledi:
from keras. models import Sequential
from keras. layers import Conv2 D, MaxPooling2 D, Flatten, Dense
# Modeldi jaratıw
model = Sequential ()
# Convolution layerlari qosıw
model. add (Conv2 D (32, (3, 3), input_shape= (32, 32, 3), activation='relu'))
model. add (MaxPooling2 D (pool_size= (2, 2)))
model. add (Conv2 D (64, (3, 3), activation='relu'))
model. add (MaxPooling2 D (pool_size= (2, 2)))
# Flatten layer qosıw
model. add (Flatten ())
# Fully connected layerlarni qosıw
model. add (Dense (units=128, activation='relu'))
model. add (Dense (units=10, activation='softmax'))
# Modeldi túsindiriw
model. summary ()
Bul kodlar arqalı, Sequential modeli jaratıladı hám ol jaǵdayda convolution layerlar, max pooling layerlar, flatten layer hám fully connected layerlar qosıladı.
Convolution layerlari súwretlerdi filtrler járdeminde ózgertiredi hám max pooling layerlari bolsa súwretlerdiń ólshemin azaytadı. Flatten layer bolsa súwretlerdi bir hil tekstke ózlestiredi hám fully connected layerlar óz-ara baylanıstı anıqlaydı.
Model túsintirilganida, hár bir layerdagi neshe nevronlar hám ulıwma model degi neshe parametrler kórsetiledi.
Keyingi qádemde, modeldi úyretiw ushın compile hám fit funksiyaları isletiledi.
Bul ekinshi misalimiz Suquentialge
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(64, (3,3), activation='relu',
input_shape=(150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Flatten().
|
