CIFAR डेटासेट को datasets मॉड्यूल में मौजूद load_data मेथड का उपयोग करके डाउनलोड किया जा सकता है। इसे डाउनलोड किया जाता है, और डेटा को ट्रेनिंग सेट और वैलिडेशन सेट में विभाजित किया जाता है।
और पढ़ें: TensorFlow क्या है और Keras, TensorFlow के साथ मिलकर न्यूरल नेटवर्क कैसे बनाता है?
हम Keras Sequential API का उपयोग करेंगे, जो एक सिक्वेंशियल मॉडल बनाने में मदद करता है जो लेयर्स के एक साधारण स्टैक के साथ काम करता है, जहां प्रत्येक लेयर का ठीक एक इनपुट टेंसर और एक आउटपुट टेंसर होता है।
एक न्यूरल नेटवर्क जिसमें कम से कम एक कन्वोल्यूशनल लेयर होता है, कन्वोल्यूशनल न्यूरल नेटवर्क कहलाता है। एक कन्वोल्यूशनल न्यूरल नेटवर्क आमतौर पर निम्नलिखित लेयर्स के संयोजन से बना होता है:
- कन्वोल्यूशनल लेयर्स
- पूलिंग लेयर्स
- डेंस लेयर्स
कन्वोल्यूशनल न्यूरल नेटवर्क का उपयोग छवि पहचान जैसी विशिष्ट प्रकार की समस्याओं के लिए उत्कृष्ट परिणाम प्राप्त करने के लिए किया जाता है।
हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर Python कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPUs (ग्राफ़िकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। Colaboratory को Jupyter Notebook के ऊपर बनाया गया है।
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
print("CIFAR डेटासेट डाउनलोड किया जा रहा है")
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
print("पिक्सेल मानों को 0 और 1 के बीच नॉर्मलाइज़ किया जा रहा है")
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
CIFAR डेटासेट डाउनलोड किया जा रहा है
Downloading data from https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz
170500096/170498071 [==============================] - 11s 0us/step
पिक्सेल मानों को 0 और 1 के बीच नॉर्मलाइज़ किया जा रहा हैव्याख्या
- CIFAR10 डेटासेट में 10 क्लासेस में 60,000 कलर इमेज हैं, प्रत्येक क्लास में 6,000 इमेज हैं।
- यह डेटासेट 50,000 ट्रेनिंग इमेज और 10,000 टेस्टिंग इमेज में विभाजित है।
- क्लासेस परस्पर अनन्य हैं और उनके बीच कोई ओवरलैप नहीं है।
- यह डेटासेट डाउनलोड किया जाता है, और डेटा को 0 और 1 के बीच नॉर्मलाइज़ किया जाता है।
