เราจะใช้ชุดข้อมูลดอกไม้ซึ่งมีรูปภาพดอกไม้หลายพันดอก ประกอบด้วยไดเร็กทอรีย่อย 5 ไดเร็กทอรี และมีไดเร็กทอรีย่อยหนึ่งไดเร็กทอรีสำหรับทุกคลาส เมื่อดาวน์โหลดชุดข้อมูลดอกไม้โดยใช้วิธี "get_file" แล้ว ระบบจะโหลดชุดข้อมูลดังกล่าวลงในสภาพแวดล้อมเพื่อใช้งาน
ข้อมูลดอกไม้สามารถทำให้เป็นมาตรฐานได้โดยการแนะนำเลเยอร์การทำให้เป็นมาตรฐานในแบบจำลอง เลเยอร์นี้เรียกว่าเลเยอร์ "การปรับขนาด" ซึ่งใช้กับชุดข้อมูลทั้งหมดโดยใช้วิธี "แผนที่"
อ่านเพิ่มเติม: TensorFlow คืออะไรและ Keras ทำงานร่วมกับ TensorFlow เพื่อสร้าง Neural Networks อย่างไร
เรากำลังใช้ Google Colaboratory เพื่อเรียกใช้โค้ดด้านล่าง Google Colab หรือ Colaboratory ช่วยเรียกใช้โค้ด Python บนเบราว์เซอร์และไม่ต้องมีการกำหนดค่าใดๆ และเข้าถึง GPU ได้ฟรี (หน่วยประมวลผลกราฟิก) Colaboratory ถูกสร้างขึ้นบน Jupyter Notebook
print("Normalization layer is created ")
normalization_layer = layers.experimental.preprocessing.Rescaling(1./255)
print("This layer is applied to dataset using map function ")
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)) เครดิตโค้ด:https://www.tensorflow.org/tutorials/images/classification
ผลลัพธ์
Normalization layer is created This layer is applied to dataset using map function 0.0 1.0
คำอธิบาย
- ค่าช่อง RGB อยู่ในช่วง [0, 255]
- ไม่ถือว่าเหมาะสำหรับโครงข่ายประสาทเทียม
- ตามกฎทั่วไป ตรวจสอบให้แน่ใจว่าค่าอินพุตมีขนาดเล็ก
- ด้วยเหตุนี้ เราจึงสามารถกำหนดค่ามาตรฐานให้อยู่ระหว่างช่วง [0, 1] ได้
- ทำได้โดยใช้เลเยอร์การปรับขนาด
- สามารถทำได้โดยใช้เลเยอร์บนชุดข้อมูลโดยเรียกใช้ฟังก์ชันแผนที่
- วิธีดำเนินการอีกวิธีหนึ่งคือการรวมเลเยอร์ไว้ในคำจำกัดความของโมเดล
- สิ่งนี้จะทำให้กระบวนการปรับใช้ง่ายขึ้น
