สามารถดาวน์โหลดชุดข้อมูล CIFAR ได้โดยใช้วิธี "load_data" ซึ่งมีอยู่ในโมดูล "ชุดข้อมูล" ดาวน์โหลดแล้ว และข้อมูลจะถูกแบ่งออกเป็นชุดการฝึกและชุดตรวจสอบ
อ่านเพิ่มเติม: TensorFlow คืออะไรและ Keras ทำงานร่วมกับ TensorFlow เพื่อสร้าง Neural Networks อย่างไร
เราจะใช้ Keras Sequential API ซึ่งมีประโยชน์ในการสร้างแบบจำลองตามลำดับที่ใช้ในการทำงานกับสแต็กเลเยอร์ธรรมดา โดยที่ทุกเลเยอร์มีอินพุตเทนเซอร์หนึ่งตัวและเอาต์พุตเทนเซอร์หนึ่งรายการ
โครงข่ายประสาทเทียมที่มีอย่างน้อยหนึ่งชั้นเรียกว่าชั้น aconvolutional โครงข่ายประสาทเทียมโดยทั่วไปจะประกอบด้วยชั้นต่าง ๆ ที่กล่าวถึงด้านล่าง:
- ชั้นบิดงอ
- การรวมชั้น
- ชั้นหนาแน่น
มีการใช้โครงข่ายประสาทเทียมเพื่อสร้างผลลัพธ์ที่ยอดเยี่ยมสำหรับปัญหาบางประเภท เช่น การจดจำภาพ
เรากำลังใช้ Google Colaboratory เพื่อเรียกใช้โค้ดด้านล่าง Google Colab หรือ Colaboratory ช่วยเรียกใช้โค้ด Python บนเบราว์เซอร์และไม่ต้องมีการกำหนดค่าใดๆ และเข้าถึง GPU ได้ฟรี (หน่วยประมวลผลกราฟิก) Colaboratory สร้างขึ้นบน Jupyter Notebook
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
print("The CIFAR dataset is being downloaded")
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
print("The pixel values are normalized to be between 0 and 1")
train_images, test_images = train_images / 255.0, test_images / 255.0
class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer','dog', 'frog', 'horse', 'ship', 'truck'] เครดิตโค้ด:https://www.tensorflow.org/tutorials/images/cnn
ผลลัพธ์
The CIFAR dataset is being downloaded Downloading data from https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz 170500096/170498071 [==============================] - 11s 0us/step The pixel values are normalized to be between 0 and 1
คำอธิบาย
- ชุดข้อมูล CIFAR10 มีภาพสี 60,000 ภาพใน 10 คลาส โดยแต่ละคลาสมี 6,000 ภาพ
- ชุดข้อมูลนี้แบ่งออกเป็นภาพการฝึก 50,000 ภาพและภาพทดสอบ 10,000 ภาพ
- คลาสเป็นแบบแยกจากกันและไม่มีการทับซ้อนกันระหว่างคลาส
- ดาวน์โหลดชุดข้อมูลนี้แล้ว และข้อมูลจะถูกทำให้เป็นมาตรฐานให้อยู่ระหว่าง 0 ถึง 1
