1/ Tensorflow eager mode in 12 tweets. You are going to love tweet #12
To begin, import and enable eager mode:pic.twitter.com/5UloE69nEp
Parallel processing and machine learning, as well as all the cool things you can do with them.
আপনি আপনার টুইটগুলিতে ওয়েব থেকে এবং তৃতীয়-পক্ষ অ্যাপ্লিকেশনগুলির মাধ্যমে অবস্থান তথ্য যেমন শহর বা সুনির্দিষ্ট অবস্থান যোগ করতে পারবেন। আপনার কাছে আপনার টুইটের অবস্থান ইতিহাস মোছার বিকল্প থাকবে। আরও জানুন
নীচের কোডটি অনুলিপি করে আপনার ওয়েবসাইটে এই টুইটটি যোগ করুন। আরও জানুন
নীচের কোডটি অনুলিপি করে আপনার ওয়েবসাইটে এই ভিডিওটি যোগ করুন। আরও জানুন
আপনার ওয়েবসাইটে বা অ্যাপে টুইটার সামগ্রী এম্বেড করে আপনি টুইটার ডেভেলপার চুক্তি এবং ডেভেলপার নীতি-এর সাথে সম্মত হচ্ছেন।
| দেশ | কোড | গ্রাহকদের জন্য |
|---|---|---|
| মার্কিন যুক্তরাষ্ট্র | 40404 | (যে কোন) |
| কানাডা | 21212 | (যে কোন) |
| যুক্তরাজ্য | 86444 | Vodafone, Orange, 3, O2 |
| ব্রাজিল | 40404 | Nextel, TIM |
| হাইতি | 40404 | Digicel, Voila |
| আয়ারল্যান্ড | 51210 | Vodafone, O2 |
| ভারত | 53000 | Bharti Airtel, Videocon, Reliance |
| ইন্দোনেশিয়া | 89887 | AXIS, 3, Telkomsel, Indosat, XL Axiata |
| ইতালি | 4880804 | Wind |
| 3424486444 | Vodafone | |
| » অন্য দেশসমুহের এসএসএস সংক্ষিপ্ত কোড দেখুন | ||
আপনার কাছে গুরুত্বপূর্ণ বিষয়গুলি সম্পর্কে তাত্ক্ষণিক আপডেট পেয়ে সময়রেখাতে আপনি সবচেয়ে বেশী সময় কাটান।
প্রোফাইল ছবির উপরে যান এবং কোনো অ্যাকাউন্টকে করা অনুসরণ বাতিল করতে অনুসরণ করছি বোতামটি ক্লিক করুন।
আপনি যখন পছন্দের কোনো টুইট দেখেন তখন হৃদয়টি আলতো চাপুন — এতে যে ব্যক্তি সেটি লিখেছেন তিনি জানবেন যে আপনি ভালোবাসা শেয়ার করেছেন।
আপনার অনুসরণকারীদের সাথে কারোর টুইট শেয়ার করে নেওয়ার সবচেয়ে দ্রুত উপায় হল পুনঃটুইট। অবিলম্বে তা পাঠাতে আইকনটি আলতো চাপুন।
জবাব দিয়ে যেকোনো টুইট সম্পর্কে আপনার মতামত যোগ করুন। আপনার আবেগের কোনো প্রসঙ্গ খুঁজুন ও সরাসরি তাতে চলে যান।
লোকেরা এখন কী নিয়ে কথা বলছে তাতে তাত্ক্ষণিক অন্তর্দৃষ্টি পান।
আপনার আগ্রহের প্রসঙ্গ সম্পর্কে তাত্ক্ষণিক আপডেটগুলি পেতে আরও অ্যাকাউন্ট অনুসরণ করুন।
অবিলম্বে যেকোনো প্রসঙ্গ সম্পর্কে সাম্প্রতিক কথোপকথনগুলি দেখুন।
সেরা কাহিনীগুলি প্রকাশিত হলে তা অবিলম্বে পান।
1/ Tensorflow eager mode in 12 tweets. You are going to love tweet #12
To begin, import and enable eager mode:pic.twitter.com/5UloE69nEp
2/ In classic Tensorflow, this just works:
y = tf.layers.dense(x, 10)
It creates a 10-neuron dense layer with appropriate weights and biases. Where do these weights live? In a global somewhere. Convenient but hair-curling for a software developer ! #noglobalvariables
3/ In Eager mode, you know where your weights are because you have to put them somewhere yourself. My preferred pattern: a basic class. Define your layers in the constructor, line them up according to your preferred architecture in a "predict" function.pic.twitter.com/zhh3qsMraS
4/ You need a loss function, comparing what your model makes of the features against a target answer "yt"pic.twitter.com/zqMLv31SLx
5/ Tensorflow eager knows how to compute the gradient for this loss, relatively to the implicit weights and biases of your layers. "grads" is now a function of the same parameters as your loss function.pic.twitter.com/134PBH43d9
6/ instantiate your model, pick an optimizer.pic.twitter.com/AyDySSHc6l
7/ And finally the training loop. You are passing your model as a parameter to grads so it is pretty obvious what weights and biases are being modified by the training.pic.twitter.com/l2aoPOWFhF
8/ To pipe data into your training loop, my_next_batch() can be implemented with vanilla Python or use the http://tf.data .Dataset API which allows training on out of memory datasets. In eager mode, it is very natural to use:pic.twitter.com/ygggQGjizG
9/ For power-users, there are alternative functions for computing gradients in eager mode: implicit_value_and_gradients gets the value of the loss at the same time as gradients. The code above can be made slightly more efficient:pic.twitter.com/q2eUvBzQWJ
10/ Also, tfe.GradientTape for differentiating any piece of code against any set of variables. Handy if you do not want to wrap your loss into a function and know the list of trainable variables explicitly, as in Keras Models where the list is in model.variables.pic.twitter.com/zs7sXgyrDC
11/ The code in a colab notebook for you to play with:https://drive.google.com/file/d/1WjjGLESzzyL2WLRjcpNBCmz1vFwsDNev/view?usp=sharing …
12/ And now the really cool part. Here is my model paused during training in a vanilla Python debugger: the values of weights, biases, activations, you name it are now visible. Yay! Eager rocks!pic.twitter.com/LiSTVwCvGy
টুইটার তার ক্ষমতার বাইরে চলে গেছে বা কোনো সাময়িক সমস্যার সম্মুখীন হয়েছে আবার চেষ্টা করুন বা আরও তথ্যের জন্য টুইটারের স্থিতি দেখুন।