हम फूलों के डेटासेट का उपयोग करेंगे, जिसमें कई हजारों फूलों के चित्र होंगे। इसमें 5 उप-निर्देशिकाएँ हैं, और प्रत्येक वर्ग के लिए एक उप-निर्देशिका है। एक बार 'get_file' पद्धति का उपयोग करके फूल डेटासेट डाउनलोड हो जाने के बाद, इसके साथ काम करने के लिए इसे पर्यावरण में लोड किया जाएगा।
मॉडल में सामान्यीकरण परत पेश करके फूल डेटा को मानकीकृत किया जा सकता है। इस परत को 'रिस्केलिंग' परत कहा जाता है, जिसे 'मानचित्र' पद्धति का उपयोग करके संपूर्ण डेटासेट पर लागू किया जाता है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
हम नीचे दिए गए कोड को चलाने के लिए Google सहयोग का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफ़िकल प्रोसेसिंग यूनिट) तक मुफ्त पहुंच की आवश्यकता होती है। जुपिटर नोटबुक के ऊपर कोलैबोरेटरी बनाई गई है।
प्रिंट ("सामान्यीकरण परत बनाई गई") normalization_layer =Layers.experimental.preprocessing.Rescaling(1./255)print("यह परत मैप फ़ंक्शन का उपयोग करके डेटासेट पर लागू होती है") normalized_ds =train_ds.map(lambda x, y:(normalization_layer(x), y))image_batch, label_batch =next(iter(normalized_ds))first_image =image_batch[0]print(np.min(first_image), np.max(first_image)) कोड क्रेडिट:https://www.tensorflow.org/tutorials/images/classification
आउटपुट
सामान्यीकरण परत बनाई गई हैयह परत मानचित्र फ़ंक्शन0.0 1.0 का उपयोग करके डेटासेट पर लागू होती हैस्पष्टीकरण
- RGB चैनल मान [0, 255] की सीमा में हैं।
- इसे तंत्रिका नेटवर्क के लिए आदर्श नहीं माना जाता है।
- अंगूठे के नियम के रूप में, सुनिश्चित करें कि इनपुट का मान छोटा है।
- इसलिए, हम [0, 1] की सीमा के बीच में आने के लिए मानों को मानकीकृत कर सकते हैं।
- यह एक पुनरावर्तन परत का उपयोग करके किया जाता है।
- मैप फ़ंक्शन को कॉल करके डेटासेट पर परत लगाकर ऐसा किया जा सकता है।
- ऐसा करने का एक और तरीका है कि परत को मॉडल परिभाषा में शामिल किया जाए।
- यह परिनियोजन प्रक्रिया को सरल करेगा।