টেনসরফ্লোতে ফ্লাওয়ার ডেটাসেট পারফরম্যান্স কনফিগারেশন

পারফরম্যান্স কনফিগারেশন

ফ্লাওয়ার ডেটাসেটের মডেল একুরেসি বাড়াতে বাফার প্রিফেচ এবং Rescaling লেয়ার ব্যবহার করা হয়। Rescaling লেয়ার কেরাস মডেলের অংশ হিসেবে ডেটাসেটে প্রয়োগ করা হয়।

আরও পড়ুন: টেনসরফ্লো কী এবং কেরাস কীভাবে টেনসরফ্লোর সাথে নিউরাল নেটওয়ার্ক তৈরি করে?

ফ্লাওয়ার ডেটাসেট (হাজার হাজার ছবি, ৫ সাব-ডিরেক্টরি) ব্যবহার করা হয়েছে। গুগল কোল্যাবরে কোড রান করা হয়েছে।

AUTOTUNE = tf.data.AUTOTUNE
train_ds = train_ds.cache().prefetch(buffer_size=AUTOTUNE)
val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE)
num_classes = 5
print("একটি সিকোয়েনশিয়াল মডেল বিল্ড হচ্ছে")
model = tf.keras.Sequential([
    layers.experimental.preprocessing.Rescaling(1./255),
    layers.Conv2D(32, 3, activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(32, 3, activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(32, 3, activation='relu'),
    layers.MaxPooling2D(),
    layers.Flatten(),
    layers.Dense(128, activation='relu'),
    layers.Dense(num_classes)
])

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

আউটপুট

একটি সিকোয়েনশিয়াল মডেল বিল্ড হচ্ছে

ব্যাখ্যা

• বাফার্ড প্রিফেচিং: ডিস্ক থেকে ডেটা ইও ব্লকিং ছাড়া ইয়িল্ড করতে সাহায্য করে। ডেটা লোডিং-এ গুরুত্বপূর্ণ।
• '.cache()': প্রথম ইপোকের পর ইমেজ মেমরিতে রাখে, ট্রেইনিং-এ ডেটাসেট বাধা না বने।
• বড় ডেটাসেটের জন্য অন-ডিস্ক ক্যাশও বানানো যায়।
• '.prefetch()': ডেটা প্রি-প্রসেসিং ও মডেল এক্সিকিউশন ওভারল্যাপ করে ট্রেইনিং-सময়।