'image_dataset_from_directory'-এর সাহায্যে কেরাস প্রিপ্রসেসিং API ব্যবহার করে ফ্লাওয়ার ডেটাসেটকে প্রশিক্ষণ এবং যাচাইকরণ সেটে বিভক্ত করা যেতে পারে।
আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?
একটি কেরাস ব্যবহার করে একটি ইমেজ ক্লাসিফায়ার তৈরি করা হয়। অনুক্রমিক মডেল, এবং ডেটা preprocessing.image_dataset_from_directory ব্যবহার করে 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।
batch_size = 32 img_height = 180 img_width = 180 print("The data is being split into training and validation set") train_ds = tf.keras.preprocessing.image_dataset_from_directory( data_dir, validation_split=0.2, subset="training", seed=123, image_size=(img_height, img_width), batch_size=batch_size)
কোড ক্রেডিট:https://www.tensorflow.org/tutorials/images/classification
আউটপুট
The data is being split into training and validation set Found 3670 files belonging to 5 classes. Using 2936 files for training.
ব্যাখ্যা
- এই ছবিগুলো image_dataset_from_directory ইউটিলিটি ব্যবহার করে ডিস্ক থেকে লোড করা হয়।
- এটি ডিস্কের চিত্রগুলির একটি ডিরেক্টরি থেকে tf.data.Dataset-এ যাবে৷
- ডাটা ডাউনলোড হয়ে গেলে, লোডারের জন্য কিছু প্যারামিটার সংজ্ঞায়িত করা হয়।
- ডেটা প্রশিক্ষণ এবং যাচাইকরণ সেটে বিভক্ত।