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
时尚研究
法律研究如何使用TensorFlow和预训练模型构建训练和验证数据集？
可以使用TensorFlow和预训练模型，借助`image_dataset_from_directory`方法构建训练和验证数据集。此方法将批次大小、图像大小以及是否需要混洗作为参数，分别用于训练数据或验证数据。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
我们将了解如何利用来自预训练网络的迁移学习来对猫和狗的图像进行分类。
图像分类迁移学习背后的直觉是，如果一个模型是在大型通用数据集上训练的，那么这个模型可以有效地作为视觉世界的通用模型。它已经学习了特征映射，这意味着用户不必从头开始，在大型数据集上训练大型模型。
阅读更多： 如何预训练自定义模型？
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，并可免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
示例
print("Training dataset")
train_dataset = image_dataset_from_directory(train_dir,
shuffle=True,
batch_size=BATCH_SIZE,
image_size=IMG_SIZE)
print("Validation dataset")
validation_dataset = image_dataset_from_directory(validation_dir,
shuffle=True,
batch_size=BATCH_SIZE,
image_size=IMG_SIZE)代码来源 −https://tensorflowcn.cn/tutorials/images/transfer_learning
输出
Training dataset Found 2000 files belonging to 2 classes. Validation dataset Found 1000 files belonging to 2 classes.
解释
训练和验证数据集是使用下载的猫和狗图像构建的。
更新于：2021年2月25日
137 次浏览
广告