بناء أول شبكة عصبية باستخدام TensorFlow

سننشئ في هذا الدرس شبكة عصبية بسيطة ذات تغذية أمامية باستخدام TensorFlow. يُعد TensorFlow إطارًا شائعًا لبناء نماذج التعلم الآلي وتدريبها.

الخطوة 1: إعداد TensorFlow

أولًا، تأكدوا من تثبيت TensorFlow. وإذا لم يكن مثبتًا، يمكنكم تثبيته باستخدام:

pip install tensorflow

سنستورد أيضًا المكتبات المطلوبة لهذا الدرس.

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy as np

الخطوة 2: إعداد مجموعة البيانات

سنستخدم في هذا المثال مجموعة بيانات بسيطة تكون فيها قيمة الإدخال ميزة واحدة، ويكون الناتج ضعفها:

# Generate sample data
X = np.array([[1], [2], [3], [4], [5]], dtype=float)
y = np.array([[2], [4], [6], [8], [10]], dtype=float)

الخطوة 3: إنشاء النموذج

سننشئ نموذجًا بسيطًا يتكون من طبقة إدخال واحدة، وطبقة مخفية واحدة، وطبقة إخراج واحدة. وستستخدم الطبقة المخفية دالة التنشيط ReLU.

# Create the model
model = Sequential([
    Dense(10, activation='relu', input_shape=(1,)),  # Hidden layer with 10 neurons
    Dense(1)  # Output layer with 1 neuron
])

الخطوة 4: تجميع النموذج

نُجمّع النموذج باستخدام:

• دالة الخسارة: متوسط مربع الخطأ لمهام الانحدار.
• خوارزمية التحسين: الانحدار المتدرج العشوائي (SGD).

# Compile the model
model.compile(optimizer='sgd', loss='mean_squared_error')

الخطوة 5: تدريب النموذج

ندرّب النموذج باستخدام بيانات التدريب لمدة 500 دورة تدريبية. وأثناء التدريب، يتعلم النموذج تقليل الخسارة.

# Train the model
model.fit(X, y, epochs=500, verbose=1)

الخطوة 6: إجراء التنبؤات

بعد التدريب، يمكننا استخدام النموذج لإجراء تنبؤات بشأن بيانات جديدة:

# Predict on new data
print(model.predict([6]))

الخطوة 7: تقييم النموذج

نقيّم أداء النموذج على بيانات التدريب للتأكد من أنه تعلّم النمط بشكل صحيح:

# Evaluate the model
loss = model.evaluate(X, y)
print(f"Loss: {loss}")

التطبيقات الواقعية

يمكن تطبيق الشبكات العصبية ذات التغذية الأمامية المبنية باستخدام TensorFlow في المجالات التالية:

• التحليلات التنبؤية: التنبؤ بالمبيعات والاتجاهات.
• التصنيف: اكتشاف الرسائل المزعجة والاحتيال.
• الانحدار: التنبؤ بالأسعار والطلب.

الملخص والخطوات التالية

في هذا الدرس، قمنا بما يلي:

• بنينا شبكة عصبية بسيطة باستخدام TensorFlow ودرّبناها.
• تعرّفنا على الخطوات الأساسية: إعداد مجموعة البيانات، وإنشاء النموذج، وتجميعه، وتدريبه.
• أجرينا تنبؤات وقيّمنا أداء النموذج.

بعد ذلك، سنستكشف كيفية توسيع الشبكات العصبية إلى بنيات أكثر تقدمًا، مثل الشبكات العصبية الالتفافية (CNNs)، لمهام معالجة الصور.