数据结构
网络
关系数据库管理系统 (RDBMS)
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
服装学
法学如何使用TensorFlow加载花卉数据集并进行处理？
我们将使用花卉数据集，其中包含数千张花卉图像。它包含5个子目录，每个类别都有一个子目录。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
使用‘get_file’方法下载花卉数据集后，它将被加载到环境中以进行处理。加载参数已明确说明，加载的数据被分成训练集和验证集。
我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory帮助在浏览器上运行Python代码，无需任何配置，并且可以免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
print("Loading parameters for the loader")
batch_size = 32
img_height = 180
img_width = 180
print("Preprocessing the image dataset using Keras")
print("Splitting dataset into training and validation set ")
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="training",
seed=123,
image_size=(img_height, img_width),
batch_size=batch_size)
print("Splitting dataset into training and validation set ")
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="validation",
seed=123,
image_size=(img_height, img_width),
batch_size=batch_size)
print("Printing the class names present in sub-directories")
class_names = train_ds.class_names
print(class_names)代码来源：https://tensorflowcn.cn/tutorials/load_data/images
输出
Loading parameters for the loader Preprocessing the image dataset using Keras Splitting dataset into training and validation set Found 3670 files belonging to 5 classes. Using 2936 files for training. Splitting dataset into training and validation set Found 3670 files belonging to 5 classes. Using 734 files for validation. Printing the class names present in sub-directories ['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips']
解释
- 参数已定义。
- 数据集被分成训练集和验证集。
- 每张图像分类的类别名称将显示在控制台上。
更新于：2021年2月19日
153 次浏览
广告