ชุดข้อมูลดอกไม้สามารถแบ่งออกเป็นชุดการฝึกและการตรวจสอบได้ โดยใช้ keras preprocessing API ด้วยความช่วยเหลือของ "image_dataset_from_directory" ซึ่งจะขอแบ่งเปอร์เซ็นต์สำหรับชุดการตรวจสอบความถูกต้อง
อ่านเพิ่มเติม: TensorFlow คืออะไรและ Keras ทำงานร่วมกับ TensorFlow เพื่อสร้าง Neural Networks อย่างไร
ตัวแยกประเภทรูปภาพถูกสร้างขึ้นโดยใช้โมเดล keras.Sequential และโหลดข้อมูลโดยใช้ preprocessing.image_dataset_from_directory . ข้อมูลถูกโหลดออกจากดิสก์อย่างมีประสิทธิภาพ มีการระบุการใส่มากเกินไปและมีการใช้เทคนิคเพื่อบรรเทาปัญหาดังกล่าว เทคนิคเหล่านี้รวมถึงการเสริมข้อมูลและการออกกลางคัน มีภาพดอกไม้ 3700 ดอก ชุดข้อมูลนี้มีไดเร็กทอรีย่อย 5 ไดเร็กทอรี และมีไดเร็กทอรีย่อยหนึ่งไดเร็กทอรีต่อคลาส ได้แก่ เดซี่ ดอกแดนดิไลออน กุหลาบ ทานตะวัน และทิวลิป
เรากำลังใช้ Google Colaboratory เพื่อเรียกใช้โค้ดด้านล่าง Google Colab หรือ Colaboratory ช่วยเรียกใช้โค้ด Python บนเบราว์เซอร์และไม่ต้องมีการกำหนดค่าใดๆ และเข้าถึง GPU ได้ฟรี (หน่วยประมวลผลกราฟิก) Colaboratory ถูกสร้างขึ้นบน Jupyter Notebook
batch_size = 32
img_height = 180
img_width = 180
print("The data is being split into training and validation set")
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="training",
seed=123,
image_size=(img_height, img_width),
batch_size=batch_size) เครดิตโค้ด:https://www.tensorflow.org/tutorials/images/classification
ผลลัพธ์
The data is being split into training and validation set Found 3670 files belonging to 5 classes. Using 2936 files for training.
คำอธิบาย
- อิมเมจเหล่านี้โหลดจากดิสก์โดยใช้ยูทิลิตี้ image_dataset_from_directory
- สิ่งนี้จะไปจากไดเร็กทอรีของรูปภาพบนดิสก์ไปยัง tf.data.Dataset
- เมื่อดาวน์โหลดข้อมูลแล้ว จะมีการกำหนดพารามิเตอร์บางอย่างสำหรับตัวโหลด
- ข้อมูลถูกแบ่งออกเป็นชุดการฝึกและการตรวจสอบ
