फ्लावर डेटासेट को केरस प्रीप्रोसेसिंग API का उपयोग करके प्री-प्रोसेस किया जा सकता है। इसमें 'image_dataset_from_directory' नामक एक मेथड है जो वैलिडेशन सेट, डेटा संग्रहीत होने वाली डायरेक्टरी और डेटासेट को प्रोसेस करने के लिए अन्य पैरामीटर्स लेता 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 कॉन्फ़िगरেশন और GPU (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के शीर्ष पर बनाया गया है।
print("Pre-processing the dataset using keras.preprocessing") val_ds = tf.keras.preprocessing.image_dataset_from_directory( data_dir, validation_split=0.2, subset="validation", seed=123, image_size=(img_height, img_width), batch_size=batch_size) class_names = train_ds.class_names print("The class names are:") print(class_names)
कोड क्रेडिट: https://www.tensorflow.org/tutorials/images/classification
आउटपुट
Pre-processing the dataset using keras.preprocessing Found 3670 files belonging to 5 classes. Using 734 files for validation. The class names are: ['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips']
व्याख्या
- डेटासेट को keras.preprocessing मेथड का उपयोग करके प्रोसेस किया जाता है।
- अगला कदम कंसोल पर क्लास नाम प्रदर्शित करना है।
