꽃 데이터 세트는 'PIL' 패키지와 'Image.open' 메서드의 도움으로 keras 순차 API를 사용하여 탐색할 수 있습니다. 다른 하위 디렉토리에는 콘솔에 색인을 생성하고 표시할 수 있는 다른 유형의 꽃 이미지가 있습니다.
자세히 알아보기: TensorFlow란 무엇이며 Keras가 TensorFlow와 함께 신경망을 생성하는 방법은 무엇입니까?
모든 레이어에 정확히 하나의 입력 텐서와 하나의 출력 텐서가 있는 일반 레이어 스택으로 작업하는 데 사용되는 순차 모델을 구축하는 데 도움이 되는 Keras Sequential API를 사용할 것입니다. 이미지 분류기는 케라스를 사용하여 생성됩니다. 순차 모델이며 preprocessing.image_dataset_from_directory를 사용하여 데이터를 로드합니다.
데이터는 디스크에서 효율적으로 로드됩니다. 과적합이 식별되고 이를 완화하기 위한 기술이 적용됩니다. 이러한 기술에는 데이터 증대 및 드롭아웃이 포함됩니다. 3700개의 꽃 이미지가 있습니다. 이 데이터셋은 5개의 하위 디렉터리를 포함하며 클래스당 하나의 하위 디렉터리가 있습니다. 데이지, 민들레, 장미, 해바라기, 튤립입니다.
Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.
image_count =len(list(data_dir.glob('*/*.jpg')))print("데이터 세트의 이미지 수는 다음과 같습니다.")print(image_count)print("데이터 세트의 간략한 정보" )print("장미")장미 =목록(data_dir.glob('장미/*'))PIL.Image.open(str(장미[1]))print("튤립")튤립 =목록(data_dir.glob( 'tulips/*'))PIL.Image.open(str(tulips[0])) 코드 크레딧:https://www.tensorflow.org/tutorials/images/classification
출력
데이터 세트의 이미지 수는 3670개입니다.
설명
- 데이터 샘플이 콘솔에 표시됩니다.