AI-For-Beginners/translations/ml/lessons/3-NeuralNetworks/05-Frameworks/lab
localizeflow[bot] 514f93318c chore(i18n): sync translations with latest source changes (chunk 1/1, 134 changes) 2026-01-30 03:04:27 +00:00
..
LabFrameworks.ipynb Update translations via Co-op Translator v0.12.1 2025-11-26 12:22:03 +09:00
README.md chore(i18n): sync translations with latest source changes (chunk 1/1, 134 changes) 2026-01-30 03:04:27 +00:00

README.md

PyTorch/TensorFlow ഉപയോഗിച്ച് വർഗ്ഗീകരണം

AI for Beginners Curriculum ലെ ലാബ് അസൈൻമെന്റ്.

ടാസ്‌ക്

PyTorch അല്ലെങ്കിൽ TensorFlow ഉപയോഗിച്ച് സിംഗിൾ ലെയർ, മൾട്ടി-ലെയർ ഫുൾ-കണക്ടഡ് നെറ്റ്വർക്കുകൾ ഉപയോഗിച്ച് രണ്ട് വർഗ്ഗീകരണ പ്രശ്നങ്ങൾ പരിഹരിക്കുക:

  1. ഐറിസ് വർഗ്ഗീകരണം പ്രശ്നം - ടാബുലാർ ഇൻപുട്ട് ഡാറ്റയുള്ള പ്രശ്നത്തിന്റെ ഉദാഹരണം, ക്ലാസിക്കൽ മെഷീൻ ലേണിങ്ങ് ഉപയോഗിച്ച് കൈകാര്യം ചെയ്യാവുന്നതാണ്. 4 സംഖ്യാത്മക പാരാമീറ്ററുകളുടെ അടിസ്ഥാനത്തിൽ ഐറിസുകളെ 3 ക്ലാസുകളായി വർഗ്ഗീകരിക്കുക എന്നതാണ് നിങ്ങളുടെ ലക്ഷ്യം.
  2. മുമ്പ് കണ്ട MNIST ഹാൻഡ്‌റിറ്റൻ ഡിജിറ്റ് വർഗ്ഗീകരണ പ്രശ്നം.

നിങ്ങൾക്ക് ലഭ്യമായ ഏറ്റവും മികച്ച കൃത്യത നേടാൻ വ്യത്യസ്ത നെറ്റ്വർക്ക് ആർക്കിടെക്ചറുകൾ പരീക്ഷിക്കുക.

സ്റ്റാർട്ടിംഗ് നോട്ട്‌ബുക്ക്

LabFrameworks.ipynb തുറന്ന് ലാബ് ആരംഭിക്കുക.


അസൂയാപത്രം:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, യന്ത്രം ചെയ്ത വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് കരുതേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ വ്യാഖ്യാനക്കേടുകൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.