ডেটা স্ট্যান্ডার্ডাইজেশন বলতে ডেটাসেটকে একটি স্তরে স্কেল করার কাজকে বোঝায় যাতে সমস্ত বৈশিষ্ট্য সমতুল্য ইউনিট ব্যবহার করে উপস্থাপন করা যায়। রিস্কেলিং লেয়ারটি কেরাস মডিউলে উপস্থিত 'রিস্কেলিং' পদ্ধতি ব্যবহার করে তৈরি করা হয়েছে। স্তরটি 'মানচিত্র' পদ্ধতি ব্যবহার করে সমগ্র ডেটাসেটে প্রয়োগ করা হয়।
আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?
আমরা ফুলের ডেটাসেট ব্যবহার করব, যেটিতে কয়েক হাজার ফুলের ছবি রয়েছে। এটিতে 5টি সাব-ডিরেক্টরি রয়েছে এবং প্রতিটি ক্লাসের জন্য একটি সাব-ডিরেক্টরি রয়েছে।
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।
from tensorflow.keras import layers
print("Standardizing the data using a rescaling layer")
normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)
print("This layer can be applied by calling the map function on the dataset")
normalized_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))
image_batch, labels_batch = next(iter(normalized_ds))
first_image = image_batch[0]
print(np.min(first_image), np.max(first_image)) কোড ক্রেডিট:https://www.tensorflow.org/tutorials/load_data/images
আউটপুট
Standardizing the data using a rescaling layer This layer can be applied by calling the map function on the dataset 0.0 0.96902645
ব্যাখ্যা
- RGB চ্যানেলের মান 0 এবং 255 এর মধ্যে।
- এটি নিউরাল নেটওয়ার্কের জন্য ভালো নয়।
- ধারণা হল ইনপুট ডেটা যতটা সম্ভব ছোট করা।
- চিত্রের মানগুলি মানসম্মত, 0 এবং 1 এর বয়সে হতে হবে৷
- এটি রিস্কেলিং লেয়ারের সাহায্যে করা হয়।
- বিকল্প হল মডেলের সংজ্ঞায় এই রিস্কেলিং স্তরটিকে অন্তর্ভুক্ত করা, যা স্থাপনাকে সহজ করবে।
