ชุดข้อมูลดอกไม้สามารถสำรวจได้โดยใช้ keras sequential API ด้วยความช่วยเหลือของแพ็คเกจ 'PIL' และวิธีการ 'Image.open' ไดเรกทอรีย่อยต่างๆ มีรูปภาพดอกไม้ประเภทต่างๆ ซึ่งสามารถจัดทำดัชนีและแสดงบนคอนโซลได้
อ่านเพิ่มเติม: TensorFlow คืออะไรและ Keras ทำงานร่วมกับ TensorFlow เพื่อสร้าง Neural Networks อย่างไร
เราจะใช้ Keras Sequential API ซึ่งมีประโยชน์ในการสร้างแบบจำลองตามลำดับที่ใช้ในการทำงานกับสแต็กเลเยอร์ธรรมดา โดยที่ทุกเลเยอร์มีเทนเซอร์อินพุตหนึ่งตัวและเทนเซอร์เอาต์พุตหนึ่งตัว ตัวแยกประเภทรูปภาพถูกสร้างขึ้นโดยใช้ keras โมเดลตามลำดับ และข้อมูลถูกโหลดโดยใช้ 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 สร้างขึ้นบน Jupyter Notebook
image_count = len(list(data_dir.glob('*/*.jpg')))
print("The number of images in the dataset is:")
print(image_count)
print("A glimpse of the dataset")
print("ROSES")
roses = list(data_dir.glob('roses/*'))
PIL.Image.open(str(roses[1]))
print("TULIPS")
tulips = list(data_dir.glob('tulips/*'))
PIL.Image.open(str(tulips[0])) เครดิตโค้ด:https://www.tensorflow.org/tutorials/images/classification
ผลลัพธ์
The number of images in the dataset is: 3670 A glimpse of the dataset ROSES TULIPS
คำอธิบาย
- ตัวอย่างข้อมูลจะแสดงบนคอนโซล
