কিভাবে Tensorflow ফুল প্রশিক্ষণ ডেটাসেট প্রাক-প্রক্রিয়া করতে ব্যবহার করা যেতে পারে?

ফুলের ডেটাসেট কেরাস প্রিপ্রসেসিং API ব্যবহার করে প্রি-প্রসেস করা যেতে পারে। এটিতে 'image_dataset_from_directory' নামে একটি পদ্ধতি রয়েছে যা ডেটাসেট প্রক্রিয়া করার জন্য বৈধতা সেট, ডাটা সংরক্ষণ করা হয় এমন ডিরেক্টরি এবং অন্যান্য পরামিতি নেয়।

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 ঠিক একটি ইনপুট টেনসর এবং একটি আউটপুট টেনসর রয়েছে। 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। সেগুলি হল:ডেইজি, ড্যান্ডেলিয়ন, গোলাপ, সূর্যমুখী এবং টিউলিপ।

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।

মুদ্রণ("keras.preprocessing ব্যবহার করে ডেটাসেট প্রাক-প্রক্রিয়াকরণ")val_ds =tf.keras.preprocessing.image_dataset_from_directory( data_dir, validation_split=0.2, subset="validation", seed=123, image_size=(img_wid, img_width) , batch_size=batch_size)class_names =train_ds.class_namesprint("ক্লাসের নামগুলো হল:")প্রিন্ট(শ্রেণির_নাম)

কোড ক্রেডিট:https://www.tensorflow.org/tutorials/images/classification

আউটপুট

ব্যাখ্যা

• ডেটাসেটটি keras.preprocessing পদ্ধতি ব্যবহার করে প্রক্রিয়া করা হয়।
• পরবর্তী ধাপ হল কনসোলে ক্লাসের নাম প্রদর্শন করা।