Tensorflowを使用して、Pythonを使用して花のデータセットをロードし、ディスクからモデル化するにはどうすればよいですか？

Tensorflowを使用して、「image_dataset_from_directory」メソッドを使用して花のデータセットをロードし、ディスクからモデル化することができます。

続きを読む： TensorFlowとは何ですか？KerasはTensorFlowとどのように連携してニューラルネットワークを作成しますか？

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。

Google Colaboratoryを使用して、以下のコードを実行しています。 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("The flower dataset")
data_root = tf.keras.utils.get_file(
'flower_photos','https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz',
untar=True)
print("Load data into the model using images off disk with image_dataset_from_directory")
batch_size = 32
img_height = 224
img_width = 224
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
str(data_root),
validation_split=0.2,
subset="training",
seed=123,
image_size=(img_height, img_width),
batch_size=batch_size)

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

出力

The flower dataset
Downloading data from https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz
228818944/228813984 [==============================] - 4s 0us/step
Load data into the model using images off disk with image_dataset_from_directory
Found 3670 files belonging to 5 classes.
Using 2936 files for training.

説明

• 異なるクラスでモデルをトレーニングする必要がある場合は、TFHubのモデルを使用できます。
• これは、モデルの最上位レイヤーを再トレーニングすることで、カスタム画像クラシエをトレーニングするのに役立ちます。
• これは、データセット内のクラスを認識するのに役立ちます。
• これにはアイリスデータセットを使用します。
• モデルは、image_dataset_from_directoryを使用してディスク外の画像を使用してトレーニングされます。