TensorFlowを使用してPythonでFashionMNISTデータを前処理するにはどうすればよいですか？

Tensorflowは、Googleが提供する機械学習フレームワークです。これは、Pythonと組み合わせて使用​​されるオープンソースのフレームワークであり、アルゴリズム、深層学習アプリケーションなどを実装します。研究や生産目的で使用されます。

「tensorflow」パッケージは、以下のコード行を使用してWindowsにインストールできます-

pip install tensorflow

Tensorは、TensorFlowで使用されるデータ構造です。フロー図のエッジを接続するのに役立ちます。このフロー図は「データフローグラフ」と呼ばれます。テンソルは多次元配列またはリストに他なりません。

「FashionMNIST」データセットには、さまざまな種類の衣類の画像が含まれています。 10の異なるカテゴリに属する​​7万以上の服のグレースケール画像が含まれています。これらの画像は低解像度（28 x 28ピクセル）です。 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。

以下はコードスニペットです-

例

plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()

train_images = train_images / 255.0

test_images = test_images / 255.0

plt.figure(figsize=(12,12))
for i in range(15):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
plt.show()

コードクレジット − https://www.tensorflow.org/tutorials/keras/classification

出力

説明

• ネットワークをトレーニングする前に、入力データセットを処理する必要があります。

• 画像が検査されてコンソールに表示されると、ピクセル値が0〜255の範囲内にあると判断できます。

• これらのピクセル値は、最初に0から1の範囲内に収まるようにスケーリングされます。

• これを実現するには、すべてのピクセル値を255で除算します。

• トレーニングデータセットとテストデータセットは、同じ方法で前処理する必要があります。

• これにより、トレーニング中および評価中に同様のタイプのデータが確実に提供されます。

• データが正しい形式であることを確認するには、最初の数枚の画像を、各画像が属するクラス名とともにコンソールに表示します。