डेटा मानकीकरण डेटासेट को एक स्तर तक स्केल करने के कार्य को संदर्भित करता है ताकि समकक्ष इकाइयों का उपयोग करके सभी सुविधाओं का प्रतिनिधित्व किया जा सके। रिस्केलिंग लेयर को 'रिस्कलिंग' पद्धति का उपयोग करके बनाया गया है जो केरस मॉड्यूल में मौजूद है। परत को 'मानचित्र' पद्धति का उपयोग करके संपूर्ण डेटासेट पर लागू किया 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।
from tensorflow.keras import layers
print("Standardizing the data using a rescaling layer")
normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)
print("This layer can be applied by calling the map function on the dataset")
normalized_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))
image_batch, labels_batch = next(iter(normalized_ds))
first_image = image_batch[0]
print(np.min(first_image), np.max(first_image)) कोड क्रेडिट:https://www.tensorflow.org/tutorials/load_data/images
आउटपुट
Standardizing the data using a rescaling layer This layer can be applied by calling the map function on the dataset 0.0 0.96902645
स्पष्टीकरण
- RGB चैनल मान 0 और 255 की सीमा में हैं।
- यह तंत्रिका नेटवर्क के लिए अच्छा नहीं है।
- विचार इनपुट डेटा को यथासंभव छोटा बनाना है।
- छवि में मान मानकीकृत हैं, 0 और 1 के युग में होने के लिए।
- यह एक आकार बदलने वाली परत की मदद से किया जाता है।
- इस आकार बदलने वाली परत को मॉडल की परिभाषा में शामिल करने का विकल्प है, जो परिनियोजन को आसान बनाएगा।