AI-For-Beginners/translations/ne/lessons/3-NeuralNetworks/05-Frameworks/README.md

न्युरल नेटवर्क फ्रेमवर्कहरू

जसरी हामीले पहिले नै सिकेका छौं, न्युरल नेटवर्कलाई प्रभावकारी रूपमा प्रशिक्षण गर्न हामीले दुई कुराहरू गर्नुपर्छ:

• टेन्सरहरूमा सञ्चालन गर्न, जस्तै गुणन, थप, र केही कार्यहरू जस्तै सिग्मोइड वा सफ्टम्याक्स गणना गर्न
• सबै अभिव्यक्तिहरूको ग्रेडियन्ट गणना गर्न, ग्रेडियन्ट डिसेन्ट अप्टिमाइजेसन गर्नको लागि

पाठ अघि क्विज

numpy लाइब्रेरीले पहिलो भाग गर्न सक्छ, तर हामीलाई ग्रेडियन्ट गणना गर्न केही मेकानिजम चाहिन्छ। हाम्रो फ्रेमवर्क मा, जुन हामीले अघिल्लो खण्डमा विकास गरेका थियौं, हामीले backward मेथड भित्र सबै डेरिभेटिभ कार्यहरू म्यानुअली प्रोग्राम गर्नुपरेको थियो, जसले ब्याकप्रोपोगेसन गर्छ। आदर्श रूपमा, फ्रेमवर्कले हामीलाई कुनै पनि अभिव्यक्ति को ग्रेडियन्ट गणना गर्ने अवसर दिनुपर्छ जुन हामी परिभाषित गर्न सक्छौं।

अर्को महत्त्वपूर्ण कुरा GPU वा अन्य विशेष कम्प्युट युनिटहरू, जस्तै TPU मा गणना गर्न सक्षम हुनु हो। गहिरो न्युरल नेटवर्क प्रशिक्षणले धेरै गणनाहरू आवश्यक पर्दछ, र GPU मा ती गणनाहरू समानान्तर गर्न सक्षम हुनु धेरै महत्त्वपूर्ण छ।

✅ 'समानान्तर' भन्नाले गणनाहरूलाई धेरै उपकरणहरूमा वितरण गर्नु हो।

हाल, दुई सबैभन्दा लोकप्रिय न्युरल फ्रेमवर्कहरू हुन्: TensorFlow र PyTorch। दुवैले CPU र GPU मा टेन्सरहरूसँग काम गर्न कम-स्तरीय API प्रदान गर्छन्। कम-स्तरीय API को माथि, उच्च-स्तरीय API पनि छ, जसलाई Keras र PyTorch Lightning क्रमशः भनिन्छ।

Low-Level API	TensorFlow	PyTorch
High-level API	Keras	PyTorch Lightning

कम-स्तरीय API दुवै फ्रेमवर्कमा तथाकथित गणनात्मक ग्राफहरू निर्माण गर्न अनुमति दिन्छ। यो ग्राफले दिइएको इनपुट प्यारामिटरहरूसँग आउटपुट (सामान्यतया हानि कार्य) कसरी गणना गर्ने भनेर परिभाषित गर्छ, र GPU मा गणना गर्न पठाउन सकिन्छ, यदि उपलब्ध छ भने। यस ग्राफलाई डिफरेन्सिएट गर्न र ग्रेडियन्टहरू गणना गर्न कार्यहरू छन्, जसलाई त्यसपछि मोडेल प्यारामिटरहरू अनुकूलन गर्न प्रयोग गर्न सकिन्छ।

उच्च-स्तरीय API न्युरल नेटवर्कलाई लेयरहरूको क्रम को रूपमा मान्छ, र अधिकांश न्युरल नेटवर्कहरू निर्माण गर्न धेरै सजिलो बनाउँछ। मोडेल प्रशिक्षण सामान्यतया डेटा तयार पारेर fit कार्यलाई कल गरेर गरिन्छ।

उच्च-स्तरीय API ले तपाईंलाई सामान्य न्युरल नेटवर्कहरू धेरै छिटो निर्माण गर्न अनुमति दिन्छ बिना धेरै विवरणहरूको चिन्ता। त्यस्तै, कम-स्तरीय API ले प्रशिक्षण प्रक्रियामा धेरै नियन्त्रण प्रदान गर्छ, र यसैले नयाँ न्युरल नेटवर्क आर्किटेक्चरहरूसँग काम गर्दा अनुसन्धानमा धेरै प्रयोग गरिन्छ।

यो पनि बुझ्न महत्त्वपूर्ण छ कि तपाईं दुवै API सँगै प्रयोग गर्न सक्नुहुन्छ, जस्तै तपाईं आफ्नो नेटवर्क लेयर आर्किटेक्चर कम-स्तरीय API प्रयोग गरेर विकास गर्न सक्नुहुन्छ, र त्यसपछि यसलाई ठूलो नेटवर्क भित्र प्रयोग गर्न सक्नुहुन्छ जुन उच्च-स्तरीय API प्रयोग गरेर निर्माण र प्रशिक्षण गरिएको छ। वा तपाईं लेयरहरूको क्रमको रूपमा उच्च-स्तरीय API प्रयोग गरेर नेटवर्क परिभाषित गर्न सक्नुहुन्छ, र त्यसपछि आफ्नो कम-स्तरीय प्रशिक्षण लूप प्रयोग गरेर अनुकूलन गर्न सक्नुहुन्छ। दुवै API ले समान आधारभूत अवधारणाहरू प्रयोग गर्छन्, र तिनीहरू एकअर्कासँग राम्रोसँग काम गर्न डिजाइन गरिएको छ।

सिकाइ

यस पाठक्रममा, हामीले अधिकांश सामग्री PyTorch र TensorFlow दुवैको लागि उपलब्ध गराएका छौं। तपाईं आफ्नो मनपर्ने फ्रेमवर्क चयन गर्न सक्नुहुन्छ र केवल सम्बन्धित नोटबुकहरू अध्ययन गर्न सक्नुहुन्छ। यदि तपाईंलाई कुन फ्रेमवर्क चयन गर्ने निश्चित छैन भने, PyTorch vs. TensorFlow सम्बन्धी इन्टरनेटमा केही छलफलहरू पढ्नुहोस्। तपाईं दुवै फ्रेमवर्कलाई हेरेर राम्रो बुझाइ प्राप्त गर्न सक्नुहुन्छ।

जहाँ सम्भव छ, हामी सरलताको लागि उच्च-स्तरीय API प्रयोग गर्नेछौं। तर, हामी विश्वास गर्छौं कि न्युरल नेटवर्कहरू कसरी काम गर्छन् भन्ने कुरा आधारभूत रूपमा बुझ्न महत्त्वपूर्ण छ, त्यसैले सुरुमा हामी कम-स्तरीय API र टेन्सरहरूसँग काम गरेर सुरु गर्छौं। तर, यदि तपाईं छिटो अगाडि बढ्न चाहनुहुन्छ र यी विवरणहरू सिक्न धेरै समय खर्च गर्न चाहनुहुन्न भने, तपाईं तिनीहरूलाई छोडेर उच्च-स्तरीय API नोटबुकहरूमा सिधै जान सक्नुहुन्छ।

✍️ अभ्यास: फ्रेमवर्कहरू

तलका नोटबुकहरूमा आफ्नो सिकाइ जारी राख्नुहोस्:

Low-Level API	TensorFlow+Keras Notebook	PyTorch
High-level API	Keras	PyTorch Lightning

फ्रेमवर्कहरूमा महारत हासिल गरेपछि, ओभरफिटिङको अवधारणालाई पुनः सम्झौं।

ओभरफिटिङ

ओभरफिटिङ मेसिन लर्निङमा एक अत्यन्त महत्त्वपूर्ण अवधारणा हो, र यसलाई सही बुझ्न धेरै महत्त्वपूर्ण छ!

तलको समस्या विचार गर्नुहोस् जहाँ ५ बिन्दुहरूलाई (ग्राफमा x ले प्रतिनिधित्व गरिएको) अनुमान गर्नुपर्छ:

रेखीय मोडेल, २ प्यारामिटरहरू	गैर-रेखीय मोडेल, ७ प्यारामिटरहरू
प्रशिक्षण त्रुटि = ५.३	प्रशिक्षण त्रुटि = ०
मान्यकरण त्रुटि = ५.१	मान्यकरण त्रुटि = २०

• बायाँतिर, हामी राम्रो सीधा रेखा अनुमान देख्छौं। किनभने प्यारामिटरहरूको संख्या उपयुक्त छ, मोडेलले बिन्दु वितरणको पछाडि रहेको विचारलाई सही रूपमा बुझ्छ।
• दायाँतिर, मोडेल धेरै शक्तिशाली छ। किनभने हामीसँग केवल ५ बिन्दुहरू छन् र मोडेलसँग ७ प्यारामिटरहरू छन्, यसले सबै बिन्दुहरू पार गर्न समायोजन गर्न सक्छ, जसले प्रशिक्षण त्रुटिलाई ० बनाउँछ। तर, यसले मोडेललाई डेटा पछाडि रहेको सही ढाँचा बुझ्नबाट रोक्छ, जसले मान्यकरण त्रुटिलाई धेरै उच्च बनाउँछ।

मोडेलको समृद्धि (प्यारामिटरहरूको संख्या) र प्रशिक्षण नमूनाहरूको संख्या बीच सही सन्तुलन कायम गर्नु धेरै महत्त्वपूर्ण छ।

किन ओभरफिटिङ हुन्छ

• पर्याप्त प्रशिक्षण डेटा छैन
• धेरै शक्तिशाली मोडेल
• इनपुट डेटामा धेरै शोर

ओभरफिटिङ कसरी पत्ता लगाउने

जसरी माथिको ग्राफबाट देख्न सकिन्छ, ओभरफिटिङलाई धेरै कम प्रशिक्षण त्रुटि र उच्च मान्यकरण त्रुटिबाट पत्ता लगाउन सकिन्छ। सामान्यतया प्रशिक्षणको क्रममा हामीले प्रशिक्षण र मान्यकरण त्रुटिहरू दुवै घट्न थालेको देख्छौं, र त्यसपछि कुनै बिन्दुमा मान्यकरण त्रुटि घट्न रोक्न सक्छ र बढ्न थाल्न सक्छ। यो ओभरफिटिङको संकेत हुनेछ, र यो बिन्दुमा प्रशिक्षण रोक्नुपर्छ (वा कम्तीमा मोडेलको स्न्यापशट लिनुपर्छ) भन्ने सूचक हुनेछ।

ओभरफिटिङ रोक्न कसरी

यदि तपाईंले देख्नुभयो कि ओभरफिटिङ भइरहेको छ, तपाईं निम्न कार्यहरू गर्न सक्नुहुन्छ:

• प्रशिक्षण डेटा बढाउनुहोस्
• मोडेलको जटिलता घटाउनुहोस्
• केही रेगुलराइजेसन प्रविधि प्रयोग गर्नुहोस्, जस्तै Dropout, जुन हामी पछि विचार गर्नेछौं।

ओभरफिटिङ र बायस-भेरियन्स ट्रेडअफ

ओभरफिटिङ वास्तवमा स्ट्याटिस्टिक्समा रहेको एक सामान्य समस्याको केस हो जसलाई बायस-भेरियन्स ट्रेडअफ भनिन्छ। यदि हामी हाम्रो मोडेलमा त्रुटिको सम्भावित स्रोतहरू विचार गर्छौं भने, हामी दुई प्रकारका त्रुटिहरू देख्न सक्छौं:

• बायस त्रुटिहरू हाम्रो एल्गोरिदमले प्रशिक्षण डेटाको सम्बन्ध सही रूपमा समात्न नसक्दा उत्पन्न हुन्छ। यो हाम्रो मोडेल पर्याप्त शक्तिशाली नभएको कारणले हुन सक्छ (अन्डरफिटिङ)।
• भेरियन्स त्रुटिहरू, जुन मोडेलले इनपुट डेटामा रहेको शोरलाई अर्थपूर्ण सम्बन्धको सट्टा अनुमान गर्दा उत्पन्न हुन्छ (ओभरफिटिङ)।

प्रशिक्षणको क्रममा, बायस त्रुटि घट्छ (जसरी हाम्रो मोडेलले डेटा अनुमान गर्न सिक्छ), र भेरियन्स त्रुटि बढ्छ। ओभरफिटिङ रोक्न प्रशिक्षण रोक्न महत्त्वपूर्ण छ - या त म्यानुअली (जब हामी ओभरफिटिङ पत्ता लगाउँछौं) वा स्वतः (रेगुलराइजेसनको परिचय दिएर)।

निष्कर्ष

यस पाठमा, तपाईंले दुई सबैभन्दा लोकप्रिय AI फ्रेमवर्कहरू, TensorFlow र PyTorch का विभिन्न API हरूको भिन्नता सिक्नुभयो। साथै, तपाईंले एक अत्यन्त महत्त्वपूर्ण विषय, ओभरफिटिङ, बारे सिक्नुभयो।

🚀 चुनौती

संगसँगै रहेका नोटबुकहरूमा, तपाईंले 'कार्यहरू' तल पाउनुहुनेछ; नोटबुकहरूमा काम गर्नुहोस् र कार्यहरू पूरा गर्नुहोस्।

पाठ पछि क्विज

समीक्षा र आत्म अध्ययन

तलका विषयहरूमा केही अनुसन्धान गर्नुहोस्:

• TensorFlow
• PyTorch
• ओभरफिटिङ

आफ्नो लागि यी प्रश्नहरू सोध्नुहोस्:

• TensorFlow र PyTorch बीच के फरक छ?
• ओभरफिटिङ र अन्डरफिटिङ बीच के फरक छ?

असाइनमेन्ट

यस प्रयोगशालामा, तपाईंलाई PyTorch वा TensorFlow प्रयोग गरेर एकल- र बहु-स्तरीय पूर्ण रूपमा जडित नेटवर्कहरू प्रयोग गरी दुई वर्गीकरण समस्याहरू समाधान गर्न भनिएको छ।

• निर्देशनहरू
• नोटबुक

---