আমরা ফুলের ডেটাসেট ব্যবহার করব, যেটিতে কয়েক হাজার ফুলের ছবি রয়েছে। এটিতে 5টি সাব-ডিরেক্টরি রয়েছে এবং প্রতিটি ক্লাসের জন্য একটি সাব-ডিরেক্টরি রয়েছে।
আরো পড়ুন: টেনসরফ্লো কী এবং নিউরাল নেটওয়ার্ক তৈরি করতে টেনসরফ্লো-এর সাথে কেরাস কীভাবে কাজ করে?
একবার 'get_file' পদ্ধতি ব্যবহার করে ফুলের ডেটাসেট ডাউনলোড হয়ে গেলে, এটির সাথে কাজ করার জন্য এটি পরিবেশে লোড করা হবে। লোডার প্যারামিটারগুলি স্পষ্টভাবে উল্লেখ করা হয়েছে এবং লোড করা ডেটা প্রশিক্ষণ এবং বৈধতা সেটে বিভক্ত করা হয়েছে৷
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।
প্রিন্ট("লোডারের জন্য লোডিং প্যারামিটার")batch_size =32img_height =180img_width =180print("Keras ব্যবহার করে ইমেজ ডেটাসেট প্রি-প্রসেস করা হচ্ছে")প্রিন্ট ("ডেটাসেটকে ট্রেনিং এবং ভ্যালিডেশন সেটে বিভক্ত করা")train_ds. tf. image_dataset_from_directory( data_dir, validation_split=0.2, subset="training", seed=123, image_size=(img_height, img_width), batch_size=batch_size)মুদ্রণ("ডেটাসেটকে প্রশিক্ষণ এবং যাচাইকরণ সেটে বিভক্ত করা")। image_dataset_from_directory( data_dir, validation_split=0.2, subset="validation", seed=123, image_size=(img_height, img_width), batch_size=batch_size)মুদ্রণ("সাব-ডিরেক্টরিতে উপস্থিত ক্লাসের নাম প্রিন্ট করা") classs_ntname=train_class. class_names) কোড ক্রেডিট:https://www.tensorflow.org/tutorials/load_data/images
আউটপুট
লোডারের জন্য পরামিতি লোড করা হচ্ছে কেরাস স্প্লিটিং ডেটাসেট ব্যবহার করে প্রশিক্ষণ এবং যাচাইকরণ সেটে ইমেজ ডেটাসেটকে প্রসেস করা হচ্ছে। validation. সাব-ডিরেক্টরিতে উপস্থিত ক্লাসের নাম মুদ্রণ করাব্যাখ্যা
- পরামিতিগুলি সংজ্ঞায়িত করা হয়েছে৷ ৷
- ডেটাসেটটি প্রশিক্ষণ সেট এবং বৈধতা সেটে বিভক্ত।
- যে সকল শ্রেণীতে প্রতিটি ছবিকে শ্রেণীবদ্ধ করা হয়েছে সেগুলি কনসোলে প্রদর্শিত হয়৷ ৷
