แนวคิด
ใช้ image_dataset_from_directory โหลดข้อมูลภาพจากโฟลเดอร์
แนวคิด Transfer Learning, TensorFlow Hub, Google Colab เหมือนเดิม
ตัวอย่างโค้ด
print("The flower dataset")
data_root = tf.keras.utils.get_file(
'flower_photos',
'https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz',
untar=True)
print("Load data into the model using images off disk with image_dataset_from_directory")
batch_size = 32
img_height = 224
img_width = 224
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
str(data_root),
validation_split=0.2,
subset="training",
seed=123,
image_size=(img_height, img_width),
batch_size=batch_size)
Credit: TensorFlow Tutorials
ผลลัพธ์
The flower dataset Downloading data from https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz 228818944/228813984 [==============================] - 4s 0us/step Load data into the model using images off disk with image_dataset_from_directory Found 3670 files belonging to 5 classes. Using 2936 files for training.
คำอธิบาย
- ต้องการเทรนคลาสใหม่ ใช้โมเดลจาก TFHub retrain เฉพาะเลเยอร์บนสุด
- ช่วยจดจำคลาสใน dataset ของเรา
- ใช้ Iris dataset (จริงควรเป็น Flower dataset)
- โมเดลเทรนด้วยภาพจากดิสก์ผ่าน
image_dataset_from_directory
