जब कोई मॉडल बनाया जाता है तो फूल डेटासेट ने सटीकता का एक निश्चित प्रतिशत दिया होगा। यदि प्रदर्शन के लिए मॉडल को कॉन्फ़िगर करना आवश्यक है, तो एक फ़ंक्शन परिभाषित किया जाता है जो दूसरी बार बफर प्रीफेच करता है, और फिर इसे फेरबदल किया जाता है। मॉडल के प्रदर्शन को बेहतर बनाने के लिए इस फ़ंक्शन को प्रशिक्षण डेटासेट पर कहा जाता है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
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।
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।
print("A function is defined that configures the dataset for perfromance")
def configure_for_performance(ds):
ds = ds.cache()
ds = ds.shuffle(buffer_size=1000)
ds = ds.batch(batch_size)
ds = ds.prefetch(buffer_size=AUTOTUNE)
return ds
print("The function is called on training dataset")
train_ds = configure_for_performance(train_ds)
print("The function is called on validation dataset")
val_ds = configure_for_performance(val_ds) कोड क्रेडिट:https://www.tensorflow.org/tutorials/load_data/images
आउटपुट
A function is defined that configures the dataset for perfromance The function is called on training dataset The function is called on validation dataset
स्पष्टीकरण
- एक मॉडल को डेटासेट के साथ प्रशिक्षित करने की आवश्यकता है।
- मॉडल को पहले अच्छी तरह से फेरबदल किया जाता है, फिर बैच किया जाता है, और फिर इन बैचों को उपलब्ध कराया जाता है।
- इन सुविधाओं को 'tf.data' API का उपयोग करके जोड़ा गया है।