CIFAR डेटासेट को 'load_data' पद्धति का उपयोग करके डाउनलोड किया जा सकता है जो 'डेटासेट' मॉड्यूल में मौजूद है। इसे डाउनलोड किया जाता है, और डेटा को प्रशिक्षण सेट और सत्यापन सेट में विभाजित किया जाता है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
हम केरस अनुक्रमिक एपीआई का उपयोग करेंगे, जो एक अनुक्रमिक मॉडल बनाने में सहायक है जिसका उपयोग परतों के एक सादे ढेर के साथ काम करने के लिए किया जाता है, जहां हर परत में एक इनपुट टेंसर और एक आउटपुट टेंसर होता है।
एक तंत्रिका नेटवर्क जिसमें कम से कम एक परत होती है, को एकोन्वोल्यूशनल परत के रूप में जाना जाता है। एक दृढ़ तंत्रिका नेटवर्क में आमतौर पर नीचे दी गई परतों के कुछ संयोजन होते हैं:
- संक्रामक परतें
- पूलिंग परतें
- घनी परतें
विशिष्ट प्रकार की समस्याओं, जैसे कि छवि पहचान के लिए अच्छे परिणाम देने के लिए दृढ़ तंत्रिका नेटवर्क का उपयोग किया गया 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।
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
print("The CIFAR dataset is being downloaded")
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
print("The pixel values are normalized to be between 0 and 1")
train_images, test_images = train_images / 255.0, test_images / 255.0
class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer','dog', 'frog', 'horse', 'ship', 'truck'] कोड क्रेडिट:https://www.tensorflow.org/tutorials/images/cnn
आउटपुट
The CIFAR dataset is being downloaded Downloading data from https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz 170500096/170498071 [==============================] - 11s 0us/step The pixel values are normalized to be between 0 and 1
स्पष्टीकरण
- CIFAR10 डेटासेट में 10 वर्गों में 60,000 रंगीन चित्र हैं, जिसमें प्रत्येक वर्ग में 6,000 चित्र हैं।
- इस डेटासेट को 50,000 प्रशिक्षण छवियों और 10,000 परीक्षण छवियों में विभाजित किया गया है।
- कक्षाएं परस्पर अनन्य हैं और उनके बीच कोई ओवरलैप नहीं है।
- यह डेटासेट डाउनलोड किया गया है, और डेटा को 0 और 1 के बीच में आने के लिए सामान्यीकृत किया जाता है।