บทนำ
TensorFlow เฟรมเวิร์ก ML จาก Google โค้ดเปิด ใช้กับ Python ใช้ในงานวิจัยและการผลิต มีเทคนิคเพิ่มประสิทธิภาพ ใช้ NumPy และเทนเซอร์ รองรับ Deep Neural Networks
การติดตั้ง
pip install tensorflow
คุณสมบัติ Tensor
- Rank - มิติของเทนเซอร์
- Type - ชนิดข้อมูลองค์ประกอบ
- Shape - ขนาดแถวและคอลัมน์
ชุดข้อมูล Fashion MNIST
ภาพเสื้อผ้ากว่า 70,000 ภาพ Grayscale 10 หมวดหมู่ ขนาด 28x28 pixels ความละเอียดต่ำ
ตัวอย่าง: ทำนายภาพเดี่ยวจาก Test Set
print("นำภาพจากข้อมูลทดสอบ")
img = test_images[26]
print("มิติของภาพ:", img.shape)
print("เพิ่มภาพเข้า batch (batch size = 1)")
img = np.expand_dims(img, 0)
print("มิติใหม่:", img.shape)
my_pred = probability_model.predict(img)
print("ผลการทำนาย:", my_pred)
plot_value_array(1, my_pred[0], test_labels)
_ = plt.xticks(range(10), class_names, rotation=45)
np.argmax(my_pred[0])
ที่มา: TensorFlow Classification Tutorial
ผลลัพธ์
นำภาพจากข้อมูลทดสอบ มิติของภาพ: (28, 28) เพิ่มภาพเข้า batch (batch size = 1) มิติใหม่: (1, 28, 28) ผลการทำนาย: [[8.0459216e-07 1.7074371e-09 2.6175227e-02 1.8855806e-07 1.7909618e-01 2.1126857e-06 7.9472500e-01 7.5104166e-11 4.7921480e-07 1.6657851e-10]] 6
คำอธิบาย
- แสดงมิติของภาพทดสอบ
expand_dimsเพิ่มมิติ batch เนื่องจากโมเดลคาดหวัง batch ของข้อมูล- เพิ่มภาพเดี่ยวเป็น batch ที่มี 1 รายการ
predictคืนค่า list of lists แต่ละรายการตรงกับภาพใน batch- ดึงการทำนายของภาพที่ต้องการและแสดง
- แสดงผลเป็นแผนภูมิแท่งด้วย matplotlib
