ধরা যাক আমাদের কাছে ফুলের ডেটাসেট আছে। ফুলের ডেটাসেটটি একটি google API ব্যবহার করে ডাউনলোড করা যেতে পারে যা মূলত ফুলের ডেটাসেটের সাথে লিঙ্ক করে। 'get_file' পদ্ধতিটি একটি পরামিতি হিসাবে API পাস করতে ব্যবহার করা যেতে পারে। এটি হয়ে গেলে, ডেটা পরিবেশে ডাউনলোড হয়ে যায়৷
৷এটি 'matplotlib' লাইব্রেরি ব্যবহার করে কল্পনা করা যেতে পারে। 'imshow' পদ্ধতিটি কনসোলে চিত্র প্রদর্শন করতে ব্যবহৃত হয়।
আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?
আমরা কেরাস সিকোয়েন্সিয়াল এপিআই ব্যবহার করব, যা একটি অনুক্রমিক মডেল তৈরি করতে সহায়ক যা স্তরগুলির একটি প্লেইন স্ট্যাকের সাথে কাজ করতে ব্যবহৃত হয়, যেখানে প্রতিটি স্তরে একটি ইনপুট টেনসর এবং একটি আউটপুট টেনসর রয়েছে৷
keras.Sequential মডেল ব্যবহার করে একটি ইমেজ ক্লাসিফায়ার তৈরি করা হয় এবং preprocessing.image_dataset_from_directory ব্যবহার করে ডেটা লোড করা হয়। ডেটা দক্ষতার সাথে ডিস্ক থেকে লোড করা হয়। ওভারফিটিং চিহ্নিত করা হয় এবং এটি প্রশমিত করার জন্য কৌশল প্রয়োগ করা হয়। এই কৌশলগুলির মধ্যে ডেটা বৃদ্ধি এবং ড্রপআউট অন্তর্ভুক্ত। 3700টি ফুলের ছবি রয়েছে। এই ডেটাসেটে 5টি সাব ডিরেক্টরি রয়েছে এবং প্রতি ক্লাসে একটি সাব ডিরেক্টরি রয়েছে। তারা হলেনঃ
- ডেইজি,
- ড্যান্ডেলিয়ন,
- গোলাপ,
- সূর্যমুখী, এবং টিউলিপস।
নিচের কোডটি চালানোর জন্য আমরা Google Colaboratory ব্যবহার করছি। Google Colab বা Colaboratory ব্রাউজারে Python কোড চালাতে সাহায্য করে এবং এর জন্য শূন্য কনফিগারেশন এবং GPUs (গ্রাফিক্যাল প্রসেসিং ইউনিট) তে বিনামূল্যে অ্যাক্সেস প্রয়োজন। জুপিটার নোটবুকের উপরে কোলাবোরেটরি তৈরি করা হয়েছে।
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 কোড ক্রেডিট:https://www.tensorflow.org/tutorials/images/classification
আউটপুট
Visualizing the dataset (32, 180, 180, 3) (32,)
ব্যাখ্যা
- একবার ফিট পদ্ধতি ব্যবহার করে ডেটা প্রশিক্ষিত হয়ে গেলে, চিত্রের ব্যাচগুলি পুনরুদ্ধার করার জন্য ডেটাসেটটি ম্যানুয়ালি পুনরাবৃত্তি করা যেতে পারে।
- এই ডেটা কনসোলে প্রদর্শিত হয়৷ ৷
- ইমেজ_ব্যাচ আকৃতির একটি টেনসর (32, 180, 180, 3)।
- এটি 180x180x3 আকারের 32টি ছবির একটি ব্যাচ।
- লেবেল_ব্যাচটি আকৃতির একটি টেনসর (32,), এবং এগুলি 32টি চিত্রের সাথে সংশ্লিষ্ট লেবেল।
- . .numpy() কে image_batch এবং labels_batch টেনসরগুলিতে কল করা যেতে পারে যাতে সেগুলিকে numpy.ndarray-এ রূপান্তর করা যায়।
