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和預訓練模型構建訓練和驗證資料集？
可以使用TensorFlow和預訓練模型，藉助`image_dataset_from_directory`方法構建訓練和驗證資料集。此方法將批次大小、影像大小以及是否需要混洗作為引數，分別用於訓練資料或驗證資料。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
我們將瞭解如何利用來自預訓練網路的遷移學習來對貓和狗的影像進行分類。
影像分類遷移學習背後的直覺是，如果一個模型是在大型通用資料集上訓練的，那麼這個模型可以有效地作為視覺世界的通用模型。它已經學習了特徵對映，這意味著使用者不必從頭開始，在大型資料集上訓練大型模型。
閱讀更多： 如何預訓練自定義模型？
我們使用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，並可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。
示例
print("Training dataset")
train_dataset = image_dataset_from_directory(train_dir,
shuffle=True,
batch_size=BATCH_SIZE,
image_size=IMG_SIZE)
print("Validation dataset")
validation_dataset = image_dataset_from_directory(validation_dir,
shuffle=True,
batch_size=BATCH_SIZE,
image_size=IMG_SIZE)程式碼來源 −https://www.tensorflow.org/tutorials/images/transfer_learning
輸出
Training dataset Found 2000 files belonging to 2 classes. Validation dataset Found 1000 files belonging to 2 classes.
解釋
訓練和驗證資料集是使用下載的貓和狗影像構建的。
更新於：2021年2月25日
137 次瀏覽
廣告