Tập dữ liệu về hoa sẽ cung cấp một tỷ lệ chính xác nhất định khi một mô hình được tạo. Nếu cần phải định cấu hình mô hình để đạt hiệu suất, một hàm được xác định để thực hiện tìm nạp trước bộ đệm lần thứ hai, và sau đó nó sẽ được xáo trộn. Hàm này được gọi trên tập dữ liệu đào tạo để cải thiện hiệu suất của mô hình.
Đọc thêm: TensorFlow là gì và cách Keras làm việc với TensorFlow để tạo Mạng thần kinh?
Chúng tôi sẽ sử dụng tập dữ liệu về hoa, chứa hình ảnh của hàng nghìn bông hoa. Nó chứa 5 thư mục con và có một thư mục con cho mỗi lớp.
Chúng tôi đang sử dụng Google Colaboratory để chạy đoạn mã dưới đây. Google Colab hoặc Colaboratory giúp chạy mã Python qua trình duyệt và không yêu cầu cấu hình cũng như quyền truy cập miễn phí vào GPU (Đơn vị xử lý đồ họa). Colaboratory đã được xây dựng trên Jupyter Notebook.
print("A function is defined that configures the dataset for perfromance")
def configure_for_performance(ds):
ds = ds.cache()
ds = ds.shuffle(buffer_size=1000)
ds = ds.batch(batch_size)
ds = ds.prefetch(buffer_size=AUTOTUNE)
return ds
print("The function is called on training dataset")
train_ds = configure_for_performance(train_ds)
print("The function is called on validation dataset")
val_ds = configure_for_performance(val_ds) Tín dụng mã:https://www.tensorflow.org/tutorials/load_data/images
Đầu ra
A function is defined that configures the dataset for perfromance The function is called on training dataset The function is called on validation dataset
Giải thích
- Một mô hình cần được đào tạo với tập dữ liệu.
- Đầu tiên, mô hình được xáo trộn kỹ lưỡng, sau đó theo lô và sau đó các lô này sẽ được cung cấp.
- Các tính năng này được thêm vào bằng cách sử dụng API 'tf.data'.