Tensorflowを使用して、Pythonを使用して正規化レイヤーを構築するにはどうすればよいですか？

Tensorflowを使用して、最初にクラス名をNumpy配列に変換し、次にtf.keras.layers.experimental.preprocessingパッケージにある「Rescaling」メソッドを使用して正規化レイヤーを作成することで、正規化レイヤーを構築できます。

続きを読む：TensorFlowとは何ですか？KerasがTensorFlowと連携してニューラルネットワークを作成する方法は？

少なくとも1つの層を含むニューラルネットワークは、畳み込み層と呼ばれます。畳み込みニューラルネットワークを使用して、学習モデルを構築できます。

画像分類の転移学習の背後にある直感は、モデルが大規模で一般的なデータセットでトレーニングされている場合、このモデルを使用して視覚世界の一般的なモデルとして効果的に機能できることです。機能マップを学習したはずです。つまり、ユーザーは大規模なデータセットで大規模なモデルをトレーニングすることで、最初から始める必要がありません。

TensorFlow Hubは、事前にトレーニングされたTensorFlowモデルを含むリポジトリです。 TensorFlowを使用して、学習モデルを微調整できます。

TensorFlow Hubのモデルをtf.kerasで使用する方法を理解し、TensorFlowHubの画像分類モデルを使用します。これが完了すると、転送学習を実行して、カスタマイズされた画像クラスのモデルを微調整できます。これは、事前にトレーニングされた分類モデルを使用して画像を取得し、それが何であるかを予測することによって行われます。これは、トレーニングを必要とせずに実行できます。

以下のコードを実行するためにGoogleColaboratoryを使用しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPU（グラフィックプロセッシングユニット）に無料でアクセスできます。 ColaboratoryはJupyterNotebookの上に構築されています。

例

print("It contains 5 classes")
class_names = np.array(train_ds.class_names)
print(class_names)
print("A normalization layer is built")
normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)
train_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))

コードクレジット-https：//www.tensorflow.org/tutorials/images/transfer_learning_with_hub

出力

It contains 5 classes
['daisy' 'dandelion' 'roses' 'sunflowers' 'tulips']
A normalization layer is built

説明

• 画像をモデル化するためのTFHubの規則では、[0、1]の範囲のフロート入力が必要です。

• 再スケーリングレイヤーを使用して同じことを実現できます。

• バッファリングされたプリフェッチを使用すると、I/Oをブロックせずにディスクからデータを取得できます。