텐서플로우 이미지 학습 예제

일반적으로 청크로 실행되는 TensorFlow 프로그램을 작성합니다. 이것은 파이썬으로 작업 할 때 첫눈에 모순입니다. 그러나 원하는 경우 TensorFlow의 대화형 세션을 사용하여 라이브러리와 보다 대화식으로 작업할 수도 있습니다. 이 기능은 IPython 작업에 익숙할 때 특히 유용합니다. 첫 번째 단계는 분류자의 교육 이미지를 다운로드하는 것입니다. 분류기가 인식하는 방법을 배우기를 원하는 이미지로 구성됩니다. 깔끔하게 분할하고 별도의 폴더로 레이블을 지정해야 합니다. folder_name은 포함된 사진의 레이블로 간주됩니다. 이 자습서에서는 Python에서 딥 러닝 프로젝트에 대한 코드를 작성할 수 있는 TensorFlow 버전을 다운로드합니다. TensorFlow 설치 웹 페이지에, 버추얼 엔프를 사용 하 여 TensorFlow를 설치 하는 가장 일반적인 방법 및 최신 지침 의 일부를 볼 수 있습니다., 핍, 도커 그리고 마지막으로, 또한 귀하의 개인 컴퓨터에 TensorFlow를 설치 하는 다른 방법 중 일부. 텐서플로우 최적화를 사용하여 tf.keras 모델을 학습하는 것이 좋습니다. TensorFlow 2.0에서 이전 tf.train 및 tf.keras.optimizers API의 최적화 프로그램은 tf.keras.optimizer에서 통합되었으며, 여기서 원래 tf.keras 최적화 프로그램은 업그레이드된 텐서플로우 최적화 장치로 대체되었습니다[4].

따라서 TensorFlow 최적화 를 적용하는 것은 이제 tf.keras API로 사용을 완벽하게 지원하고 성능을 희생하지 않고 더 간단하고 일관된 환경입니다. 구글 코일버는 클라우드에서 파이썬 노트북을 설정하는 정말 쉽게합니다. 한 번에 최대 12시간 동안 GPU에 무료로 액세스할 수 있는 Colab은 기계 학습 실험을 수행하기 위한 내 이동 플랫폼이 되었습니다. 이 네트워크의 첫 번째 레이어인 tf.keras.layers.Flatten은 이미지 형식을 2d 배열(28 x 28 픽셀)에서 28 * 28 = 784 픽셀의 1d 배열로 변환합니다. 이 레이어는 이미지에서 픽셀 행을 쌓지 않고 일렬로 세워두는 것으로 간주합니다. 이 레이어에는 학습할 매개 변수가 없습니다. 데이터만 다시 포시합니다. TensorFlow는 이미지를 분류하는 신경망 모델을 빌드하는 데 도움이 될 수 있습니다. 가장 일반적으로, 이들은 컨볼루션 신경망 (CNN)이 될 것입니다. TensorFlow는 다양한 유형의 CNN 아키텍처를 정의, 사용자 지정 및 조정할 수 있는 강력한 프레임워크입니다. MissingLink의 딥 러닝 플랫폼은 TensorFlow 프로젝트를 추적하고 관리하기 위한 추가 계층을 제공합니다.

TensorFlow의 일반적인 CNN 프로세스는 다음과 같습니다. 확률이 높은 클래스는 네트워크의 예측입니다. y_pred_cls = tf.argmax (y_pred, 차원 = 1) 모듈을 만들고 예상 된 이미지 크기를 확인: 이 예제 짧은 기차를 유지 하려면 단지 2 시대. 교육 진행 상황을 시각화하려면 사용자 지정 콜백을 사용하여 각 일괄 처리의 손실및 정확도를 에이프릴 평균 대신 개별적으로 기록합니다.

Geplaatst in Geen categorie door admin. Zet de link bij je favorieten link.