寵物真的看著好治愈

誰不想有一只屬于自己的乖乖寵物捏~

這篇文章中我放棄了以往的model.fit()訓(xùn)練方法，

改用model.train_on_batch方法。

兩種方法的比較：

?model.fit()：用起來十分簡單，對新手非常友好

?model.train_on_batch()：封裝程度更低，可以玩更多花樣。

此外我也引入了進度條的顯示方式，更加方便我們及時查看模型訓(xùn)練過程中的情況，可以及時打印各項指標(biāo)。

?? 我的環(huán)境：

語言環(huán)境：Python3.6.5

編譯器：jupyter notebook

深度學(xué)習(xí)環(huán)境：TensorFlow2.4.1

顯卡（GPU）：NVIDIA GeForce RTX 3080

一、前期工作

1. 設(shè)置GPU

如果使用的是CPU可以注釋掉這部分的代碼。

2. 導(dǎo)入數(shù)據(jù)

3. 查看數(shù)據(jù)

二、數(shù)據(jù)預(yù)處理

1. 加載數(shù)據(jù)

使用image_dataset_from_directory
方法將磁盤中的數(shù)據(jù)加載到tf.data.Dataset中

TensorFlow版本是2.2.0的同學(xué)可能會遇到
module ‘tensorflow.keras.preprocessing’ has no attribute 'image_dataset_from_directory’的報錯，
升級一下TensorFlow就OK了

我們可以通過class_names輸出數(shù)據(jù)集的標(biāo)簽。標(biāo)簽將按字母順序?qū)?yīng)于目錄名稱。

2. 再次檢查數(shù)據(jù)

Image_batch是形狀的張量（8, 224, 224, 3)。這是一批形狀224x224x3的8張圖片（最后一維指的是彩色通道RGB）。

Label_batch是形狀（8，）的張量，這些標(biāo)簽對應(yīng)8張圖片

3. 配置數(shù)據(jù)集

shuffle() ：打亂數(shù)據(jù)，關(guān)于此函數(shù)的詳細介紹可以參考：https://zhuanlan.zhihu.com/p/42417456

prefetch() ：預(yù)取數(shù)據(jù)，加速運行，其詳細介紹可以參考我前兩篇文章，里面都有講解。

cache() ：將數(shù)據(jù)集緩存到內(nèi)存當(dāng)中，加速運行

如果報 AttributeError: module ‘tensorflow._api.v2.data’ has no attribute ‘AUTOTUNE’ 錯誤，就將 AUTOTUNE = tf.data.AUTOTUNE 更換為 AUTOTUNE = tf.data.experimental.AUTOTUNE，這個錯誤是由于版本問題引起的。

4. 可視化數(shù)據(jù)

免費發(fā)放python學(xué)習(xí)資料? 點贊+評論學(xué)習(xí)