'PIL' প্যাকেজ এবং 'Image.open' পদ্ধতির সাহায্যে keras ক্রমিক API ব্যবহার করে ফুলের ডেটাসেটটি অন্বেষণ করা যেতে পারে। বিভিন্ন সাবডিরেক্টরিতে ফুলের বিভিন্ন ধরনের ছবি থাকে, যেগুলিকে সূচীকরণ করা যায় এবং কনসোলে প্রদর্শিত হতে পারে।
আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?
আমরা কেরাস সিকোয়েন্সিয়াল এপিআই ব্যবহার করব, যা একটি ক্রমিক মডেল তৈরি করতে সহায়ক যা একটি প্লেইন স্ট্যাকের স্তরগুলির সাথে কাজ করতে ব্যবহৃত হয়, যেখানে প্রতিটি স্তরে একটি ইনপুট টেনসর এবং একটি আউটপুট টেনসর রয়েছে৷ একটি কেরাস ব্যবহার করে একটি চিত্র শ্রেণিবদ্ধকারী তৈরি করা হয়৷ 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।
image_count = len(list(data_dir.glob('*/*.jpg')))
print("The number of images in the dataset is:")
print(image_count)
print("A glimpse of the dataset")
print("ROSES")
roses = list(data_dir.glob('roses/*'))
PIL.Image.open(str(roses[1]))
print("TULIPS")
tulips = list(data_dir.glob('tulips/*'))
PIL.Image.open(str(tulips[0])) কোড ক্রেডিট:https://www.tensorflow.org/tutorials/images/classification
আউটপুট
The number of images in the dataset is: 3670 A glimpse of the dataset ROSES TULIPS
ব্যাখ্যা
- কনসোলে ডেটার একটি নমুনা প্রদর্শিত হয়৷ ৷
