資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何使用Tensorflow預處理花卉訓練資料集？
可以使用Keras預處理API預處理花卉資料集。它有一個名為“image_dataset_from_directory”的方法，該方法接受驗證集、資料儲存的目錄以及其他引數來處理資料集。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
我們將使用Keras Sequential API，它有助於構建一個順序模型，用於處理簡單的層堆疊，其中每一層都只有一個輸入張量和一個輸出張量。影像分類器是使用keras.Sequential模型建立的，資料是使用preprocessing.image_dataset_from_directory載入的。
資料有效地從磁碟載入。識別過擬合併應用緩解技術。這些技術包括資料增強和dropout。有3700朵花的影像。此資料集包含5個子目錄，每個類一個子目錄。它們是：雛菊、蒲公英、玫瑰、向日葵和鬱金香。
我們正在使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory幫助在瀏覽器上執行Python程式碼，無需任何配置即可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。
print("Pre-processing the dataset using keras.preprocessing")
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="validation",
seed=123,
image_size=(img_height, img_width),
batch_size=batch_size)
class_names = train_ds.class_names
print("The class names are:")
print(class_names)程式碼來源： https://www.tensorflow.org/tutorials/images/classification
輸出
Pre-processing the dataset using keras.preprocessing Found 3670 files belonging to 5 classes. Using 734 files for validation. The class names are: ['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips']
解釋
- 使用keras.preprocessing方法處理資料集。
- 下一步是在控制檯上顯示類名。
更新於： 20-Feb-2021
125 次檢視
廣告