(इमेज, लेबल) जोड़ी को पाथ कंपोनेंट्स की सूची में परिवर्तित करके, और फिर लेबल को एक इंटीजर फॉर्मेट में एन्कोड करके बनाया जाता है। map मेथड (इमेज, लेबल) जोड़ी से मेल खाने वाला एक डेटासेट बनाने में मदद करता है।
और पढ़ें: TensorFlow क्या है और Keras, TensorFlow के साथ मिलकर न्यूरल नेटवर्क कैसे बनाता है?
हम फ्लावर्स डेटासेट का उपयोग करेंगे, जिसमें कई हजारों फूलों की छवियां होती हैं। इसमें 5 सब-डायरेक्टरीज हैं, और प्रत्येक क्लास के लिए एक सब-डायरेक्टरी 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।
print("'num_parallel_calls' सेट किया गया है ताकि कई इमेजेज समानांतर में लोड और प्रोसेस हों")
train_ds = train_ds.map(process_path, num_parallel_calls=AUTOTUNE)
val_ds = val_ds.map(process_path, num_parallel_calls=AUTOTUNE)
for image, label in train_ds.take(1):
print("इमेज का आकार है: ", image.numpy().shape)
print("लेबल है: ", label.numpy())आउटपुट
'num_parallel_calls' सेट किया गया है ताकि कई इमेजेज समानांतर में लोड और प्रोसेस हों
इमेज का आकार है: (180, 180, 3)
लेबल है: 0कोड क्रेडिट: https://www.tensorflow.org/tutorials/load_data/images
व्याख्या
- कई इमेजेज एक साथ लोड और प्रोसेस की जाती हैं।
- 'map' मेथड का उपयोग (इमेज, लेबल) जोड़े समाहित करने वाला डेटासेट बनाने के लिए किया जाता है।
- इस पर पुनरावृति की जाती है, और आकार के आयाम, और लेबल को कंसोल पर प्रदर्शित किया जाता है।
