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 cho hiệu suất, tìm nạp trước bộ đệm được sử dụng cùng với lớp Thay đổi quy mô. Lớp này được áp dụng bằng cách sử dụng mô hình Keras, trên tập dữ liệu, bằng cách đặt lớp thay đổi tỷ lệ thành một phần của mô hình Keras.
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 mọi 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.
AUTOTUNE = tf.data.AUTOTUNE
train_ds = train_ds.cache().prefetch(buffer_size=AUTOTUNE)
val_ds = val_ds.cache().prefetch(buffer_size=AUTOTUNE)
num_classes = 5
print("A sequential model is built")
model = tf.keras.Sequential([
layers.experimental.preprocessing.Rescaling(1./255),
layers.Conv2D(32, 3, activation='relu'),
layers.MaxPooling2D(),
layers.Conv2D(32, 3, activation='relu'),
layers.MaxPooling2D(),
layers.Conv2D(32, 3, activation='relu'),
layers.MaxPooling2D(),
layers.Flatten(),
layers.Dense(128, activation='relu'),
layers.Dense(num_classes)
]) Tín dụng mã:https://www.tensorflow.org/tutorials/load_data/images
Đầu ra
A sequential model is built
Giải thích
- Tìm nạp trước trong bộ đệm được sử dụng để dữ liệu có thể được truyền từ đĩa mà không bị chặn I / O.
- Đây là bước quan trọng khi tải dữ liệu.
- Phương thức '.cache ()' giúp giữ hình ảnh trong bộ nhớ sau khi chúng được tải từ đĩa trong kỷ nguyên đầu tiên.
- Điều này đảm bảo rằng tập dữ liệu không trở thành vật cản khi đào tạo mô hình.
- Nếu tập dữ liệu quá lớn không thể chứa vừa trong bộ nhớ, thì phương pháp tương tự có thể được sử dụng để tạo bộ nhớ đệm trên đĩa hoạt động hiệu quả.
- Phương thức '.prefetch ()' chồng chéo các hoạt động thực thi mô hình và tiền xử lý dữ liệu trong khi dữ liệu đang được đào tạo.