Tensorflowを使用して、パフォーマンスのために花のデータセットを構成するにはどうすればよいですか？

花のデータセットは、モデルが作成されたときに一定の割合の精度を提供します。パフォーマンスのためにモデルを構成する必要がある場合は、バッファーのプリフェッチを2回実行する関数が定義されてから、シャッフルされます。この関数は、モデルのパフォーマンスを向上させるためにトレーニングデータセットで呼び出されます。

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？

数千の花の画像を含む花のデータセットを使用します。これには5つのサブディレクトリが含まれ、クラスごとに1つのサブディレクトリがあります。

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。

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)

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

出力

A function is defined that configures the dataset for perfromance
The function is called on training dataset
The function is called on validation dataset

説明

• モデルはデータセットを使用してトレーニングする必要があります。
• モデルは最初に適切にシャッフルされ、次にバッチ処理され、次にこれらのバッチが使用可能になります。
• これらの機能は、「tf.data」APIを使用して追加されます。