如何使用 Tensorflow 与预训练模型构建训练和验证数据集?
tensorflowserver side programmingprogramming更新于 2025/5/20 1:22:17
借助‘image_dataset_from_directory’方法，可以使用 Tensorflow 与预训练模型构建训练和验证数据集。此方法分别将批处理大小、图像大小以及是否对值进行混排作为参数，以及训练数据或验证数据。
阅读更多: 什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将了解如何借助预训练网络的迁移学习对猫和狗的图像进行分类。
图像分类迁移学习背后的直觉是，如果在大型通用数据集上训练模型，则该模型可有效地用作视觉世界的通用模型。它会学习特征图，这意味着用户不必从头开始在大型数据集上训练大型模型。
阅读更多: 如何预先训练定制模型?
我们使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且不需要任何配置，并且可以免费访问 GPU(图形处理单元)。Colaboratory 是在 Jupyter Notebook 之上构建的。
示例
print("Training dataset")
train_dataset = image_dataset_from_directory(train_dir,
shuffle=True,
batch_size=BATCH_SIZE,
image_size=IMG_SIZE)
print("Validation dataset")
validation_dataset = image_dataset_from_directory(validation_dir,
shuffle=True,
batch_size=BATCH_SIZE,
image_size=IMG_SIZE)
代码来源 −https://www.tensorflow.org/tutorials/images/transfer_learning
输出
Training dataset Found 2000 files belonging to 2 classes. Validation dataset Found 1000 files belonging to 2 classes.
解释
训练和验证数据集是使用下载的猫和狗图像构建的。
