数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究如何使用Tensorflow配置花卉数据集以提高性能？
花卉数据集在创建模型时会给出一定的准确率。如果需要配置模型以提高性能，则定义一个函数，该函数第二次执行缓冲预取，然后进行洗牌。此函数用于训练数据集以提高模型的性能。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
我们将使用花卉数据集，其中包含数千朵花的图像。它包含5个子目录，每个类都有一个子目录。
我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory帮助通过浏览器运行Python代码，无需任何配置，并可免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
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)代码来源：https://tensorflowcn.cn/tutorials/load_data/images
输出
A function is defined that configures the dataset for perfromance The function is called on training dataset The function is called on validation dataset
解释
- 需要使用数据集训练模型。
- 模型首先被充分洗牌，然后分批处理，然后这些批次可用。
- 这些功能是使用“tf.data”API添加的。
更新于： 2021年2月19日
135次浏览
广告