資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
服裝設計
法學如何使用 Python 和 TensorFlow 來視覺化資料？
假設我們有一個花卉資料集。可以使用 Google API 下載該資料集，該 API 基本上鍊接到花卉資料集。“get_file”方法可以用來傳遞 API 作為引數。完成此操作後，資料將下載到環境中。
可以使用“matplotlib”庫對其進行視覺化。“imshow”方法用於在控制檯上顯示影像。
閱讀更多： 什麼是 TensorFlow，以及 Keras 如何與 TensorFlow 協同工作以建立神經網路？
我們將使用 Keras Sequential API，這有助於構建一個順序模型，用於處理簡單的層堆疊，其中每一層只有一個輸入張量和一個輸出張量。
使用 keras.Sequential 模型建立一個影像分類器，並使用 preprocessing.image_dataset_from_directory 載入資料。資料有效地從磁碟載入。識別過擬合併應用技術來減輕它。這些技術包括資料增強和 dropout。共有 3700 張花卉圖片。此資料集包含 5 個子目錄，每個類別一個子目錄：
- 雛菊（daisy），
- 蒲公英（dandelion），
- 玫瑰（roses），
- 向日葵（sunflowers）和
- 鬱金香（tulips）。
我們使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助在瀏覽器上執行 Python 程式碼，無需任何配置，並可免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。
print("Visualizing the dataset")
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 10))
for images, labels in train_ds.take(1):
for i in range(6):
ax = plt.subplot(3, 3, i + 1)
plt.imshow(images[i].numpy().astype("uint8"))
plt.title(class_names[labels[i]])
plt.axis("off")
for image_batch, labels_batch in train_ds:
print(image_batch.shape)
print(labels_batch.shape)
break程式碼來源： https://www.tensorflow.org/tutorials/images/classification
輸出
Visualizing the dataset (32, 180, 180, 3) (32,)
解釋
- 使用 fit 方法訓練資料後，還可以手動迭代資料集以檢索影像批次。
- 這些資料顯示在控制檯上。
- image_batch 是形狀為 (32, 180, 180, 3) 的張量。
- 這是一個包含 32 個形狀為 180x180x3 的影像的批次。
- label_batch 是形狀為 (32,) 的張量，這些是與 32 個影像對應的標籤。
- 可以對 image_batch 和 labels_batch 張量呼叫 .numpy() 以將其轉換為 numpy.ndarray。
更新於： 2021年2月20日
212 次瀏覽
廣告