Tensorflow 如何与预训练模型一起使用来确定数据集中的批次数量?
tensorflowserver side programmingprogramming更新于 2025/5/20 0:37:17
Tensorflow 可以与预训练模型一起使用，使用‘tf.data.experimental’中的‘cardinality’方法来确定数据集中的批次数量。模块。
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("Number of batches in the data is determined")
val_batches = tf.data.experimental.cardinality(validation_dataset)
test_dataset = validation_dataset.take(val_batches // 5)
validation_dataset = validation_dataset.skip(val_batches // 5)
print('Number of validation batches are: %d' % tf.data.experimental.cardinality(validation_dataset))
print('Number of test batches are: %d' % tf.data.experimental.cardinality(test_dataset)
代码来源 −https://www.tensorflow.org/tutorials/images/transfer_learning
输出
Number of batches in the data is determined Number of validation batches are: 21 Number of test batches are: 5
解释
- 原始数据集没有测试集。
- 因此创建了测试集。
- 为此，确定了可用数据的批次数量。
- 完成后，20% 的数据将移至测试数据集。
