Tensorflow คือเฟรมเวิร์กแมชชีนเลิร์นนิงที่ให้บริการโดย Google เป็นเฟรมเวิร์กโอเพนซอร์ซที่ใช้ร่วมกับ Python เพื่อใช้อัลกอริทึม แอปพลิเคชันการเรียนรู้เชิงลึก และอื่นๆ อีกมากมาย ใช้ในการวิจัยและเพื่อการผลิต
แพ็คเกจ 'tensorflow' สามารถติดตั้งบน Windows ได้โดยใช้บรรทัดโค้ดด้านล่าง -
pip install tensorflow
Tensor เป็นโครงสร้างข้อมูลที่ใช้ใน TensorFlow ช่วยเชื่อมต่อขอบในแผนภาพการไหล แผนภาพการไหลนี้เรียกว่า 'กราฟการไหลของข้อมูล' เทนเซอร์เป็นเพียงอาร์เรย์หลายมิติหรือรายการ
ชุดข้อมูล 'Fashion MNIST' มีรูปภาพของเสื้อผ้าประเภทต่างๆ มันมีภาพสีเทาของเสื้อผ้ามากกว่า 70,000 ที่อยู่ใน 10 หมวดหมู่ที่แตกต่างกัน รูปภาพเหล่านี้มีความละเอียดต่ำ (28 x 28 พิกเซล) เรากำลังใช้ Google Colaboratory เพื่อเรียกใช้โค้ดด้านล่าง Google
Colab หรือ Colaboratory ช่วยเรียกใช้โค้ด Python บนเบราว์เซอร์และไม่ต้องมีการกำหนดค่าใดๆ และเข้าถึง GPU ได้ฟรี (หน่วยประมวลผลกราฟิก) Colaboratory ถูกสร้างขึ้นบน Jupyter Notebook
ต่อไปนี้เป็นข้อมูลโค้ด -
ตัวอย่าง
plt.figure() plt.imshow(train_images[0]) plt.colorbar() plt.grid(False) plt.show() train_images = train_images / 255.0 test_images = test_images / 255.0 plt.figure(figsize=(12,12)) for i in range(15): plt.subplot(5,5,i+1) plt.xticks([]) plt.yticks([]) plt.grid(False) plt.imshow(train_images[i], cmap=plt.cm.binary) plt.xlabel(class_names[train_labels[i]]) plt.show()
เครดิตโค้ด − https://www.tensorflow.org/tutorials/keras/classification
ผลลัพธ์
คำอธิบาย
-
ก่อนที่เครือข่ายจะได้รับการฝึก ต้องประมวลผลชุดข้อมูลที่ป้อนเข้า
-
เมื่อตรวจสอบและแสดงรูปภาพบนคอนโซลแล้ว จะสามารถระบุได้ว่าค่าพิกเซลอยู่ในช่วง 0 ถึง 255
-
ค่าพิกเซลเหล่านี้จะถูกปรับขนาดก่อนให้อยู่ในช่วง 0 ถึง 1
-
เพื่อให้บรรลุสิ่งนี้ ทุกค่าพิกเซลจะถูกหารด้วย 255
-
ชุดข้อมูลการฝึกและชุดข้อมูลการทดสอบต้องได้รับการประมวลผลล่วงหน้าในลักษณะเดียวกัน
-
เพื่อให้แน่ใจว่ามีข้อมูลประเภทเดียวกันในระหว่างการฝึกอบรมและการประเมิน
-
เพื่อให้แน่ใจว่าข้อมูลอยู่ในรูปแบบที่ถูกต้อง ให้แสดงภาพสองสามภาพแรกบนคอนโซล พร้อมกับชื่อคลาสที่แต่ละภาพเป็นของ
