पायथन का उपयोग करके TensorFlow में डेटा को कैसे विज़ुअलाइज़ किया जा सकता है?

मान लीजिए हमारे पास फूल डेटासेट है। फूल डेटासेट को गूगल API का उपयोग करके डाउनलोड किया जा सकता है जो मूल रूप से फूल डेटासेट से लिंक करता है। 'get_file' विधि का उपयोग API को पैरामीटर के रूप में पास करने के लिए किया जा सकता है। एक बार यह हो जाने पर, डेटा पर्यावरण में डाउनलोड हो जाता है।

इसे 'matplotlib' लाइब्रेरी का उपयोग करके विज़ुअलाइज़ किया जा सकता है। कंसोल पर छवि प्रदर्शित करने के लिए 'imshow' विधि का उपयोग किया जाता है।

और पढ़ें: TensorFlow क्या है और केरस TensorFlow के साथ न्यूरल नेटवर्क बनाने के लिए कैसे काम करता है?

हम केरस Sequential API का उपयोग करेंगे, जो एक सादे स्टैक के साथ काम करने के लिए एक अनुक्रमिक मॉडल बनाने में मददगार है, जहां प्रत्येक परत में ठीक एक इनपुट टेंसर और एक आउटपुट टेंसर होता है।

एक छवि वर्गीकरणकर्ता keras.Sequential मॉडल का उपयोग करके बनाया जाता है, और डेटा preprocessing.image_dataset_from_directory का उपयोग करके लोड किया जाता है। डेटा डिस्क से कुशलतापूर्वक लोड होता है। ओवरफिटिंग की पहचान की जाती है और इसे कम करने के लिए तकनीकें लागू की जाती हैं। इन तकनीकों में डेटा ऑग्मेंटेशन और ड्रॉपआउट शामिल हैं। 3700 फूलों की छवियां हैं। इस डेटासेट में 5 सब डायरेक्टरी हैं, और प्रति क्लास एक सब डायरेक्टरी है। वे हैं: डेज़ी, डैंडेलियन, गुलाब, सूरजमुखी, और ट्यूलिप।

हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory 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 (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के शीर्ष पर बनाया गया है।

print("Visualizing the dataset")
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 10))
for images, labels in train_ds.take(1):
    for i in range(6):
        ax = plt.subplot(3, 3, i + 1)
        plt.imshow(images[i].numpy().astype("uint8"))
        plt.title(class_names[labels[i]])
        plt.axis("off")
for image_batch, labels_batch in train_ds:
    print(image_batch.shape)
    print(labels_batch.shape)
    break

कोड क्रेडिट: https://www.tensorflow.org/tutorials/images/classification

आउटपुट

Visualizing the dataset
(32, 180, 180, 3)
(32,)

व्याख्या

• एक बार fit विधि का उपयोग करके डेटा प्रशिक्षित हो जाने पर, डेटासेट को मैन्युअल रूप से भी पुनरावृति किया जा सकता है ताकि छवियों के बैच प्राप्त किए जा सकें।
• यह डेटा कंसोल पर प्रदर्शित होता है।
• image_batch आकार (32, 180, 180, 3) का एक टेंसर है।
• यह 32 छवियों का एक बैच है जिसका आकार 180x180x3 है।
• label_batch आकार (32,) का एक टेंसर है, और ये 32 छवियों के संबंधित लेबल हैं।
• .numpy() को image_batch और labels_batch टेंसर पर कॉल करके उन्हें numpy.ndarray में बदला जा सकता है।