मान लीजिए हमारे पास फ्लावर डेटासेट है। फ्लावर डेटासेट को गूगल API का उपयोग करके डाउनलोड किया जा सकता है जो मूल रूप से फ्लावर डेटासेट से लिंक करता है। API को पैरामीटर के रूप में पास करने के लिए 'get_file' मेथड का उपयोग किया जा सकता है। एक बार यह हो जाने पर, डेटा वातावरण में डाउनलोड हो जाता है।
इसे 'matplotlib' लाइब्रेरी का उपयोग करके विज़ुअलाइज़ किया जा सकता है। कंसोल पर छवि प्रदर्शित करने के लिए 'imshow' मेथड का उपयोग किया जाता है।
और पढ़ें: TensorFlow क्या है और केरस (Keras) TensorFlow के साथ कैसे काम करता है न्यूरल नेटवर्क बनाने के लिए?
हम केरस सिक्वेंशियल API का उपयोग करेंगे, जो एक सिक्वेंशियल मॉडल बनाने में सहायक है जो लेयर्स के एक साधारण स्टैक के साथ काम करता है, जहां प्रत्येक लेयर में ठीक एक इनपुट टेंसर और एक आउटपुट टेंसर होता है।
एक इमेज क्लासिफायर keras.Sequential मॉडल का उपयोग करके बनाया जाता है, और डेटा preprocessing.image_dataset_from_directory का उपयोग करके लोड किया जाता है। डेटा डिस्क से कुशलतापूर्वक लोड किया जाता है। ओवरफिटिंग की पहचान की जाती है और इसे कम करने के लिए तकनीकों को लागू किया जाता है। इन तकनीकों में डेटा ऑग्मेंटेशन और ड्रॉपआउट शामिल हैं। 3700 फूलों की छवियां हैं। इस डेटासेट में 5 सब डायरेक्टरी हैं, और प्रति क्लास एक सब डायरेक्टरी है। वे हैं: डेज़ी, डैंडेलियन, गुलाब, सूरजमुखी, और ट्यूलिप।
हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर Python कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के शीर्ष पर बनाया गया है।
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
कोड क्रेडिट: https://www.tensorflow.org/tutorials/images/classification
आउटपुट
Visualizing the dataset (32, 180, 180, 3) (32,)
व्याख्या
- एक बार जब डेटा fit मेथड का उपयोग करके प्रशिक्षित हो जाता है, तो डेटासेट को मैन्युअल रूप से पुनरावृति करके छवियों के बैच प्राप्त किए जा सकते हैं।
- यह डेटा कंसोल पर प्रदर्शित होता है।
- image_batch आकार (32, 180, 180, 3) का एक टेंसर है।
- यह 32 छवियों का एक बैच है जिसका आकार 180x180x3 है।
- label_batch आकार (32,) का एक टेंसर है, और ये 32 छवियों के संबंधित लेबल हैं।
- .numpy() को image_batch और labels_batch टेंसर्स पर कॉल करके उन्हें numpy.ndarray में बदला जा सकता है।
