如何使用Tensorflow和Keras Sequential API来探索花卉数据集？

使用Keras Sequential API和PIL包的Image.open方法，可以探索花卉数据集。不同的子目录包含不同类型的花卉图片，可以在控制台上索引和显示。

更多Python相关文章，请阅读：Python 教程

我们将使用Keras Sequential API来构建顺序模型，用于处理纯层堆栈，其中每个层具有一个输入张量和一个输出张量。使用preprocessing.image_dataset_from_directory加载数据创建一个图像分类器。

数据高效地从磁盘加载。识别过度拟合，并采用技术来缓解它，这些技术包括数据增强和dropout。有3700张花卉图片。该数据集包含5个子目录，每个类一个子目录: 雏菊，蒲公英，玫瑰，向日葵和郁金香。

我们将使用Google Colaboratory来运行以下代码。Google Colab或Colaboratory可以通过浏览器在Python中运行代码，并且不需要任何配置，并且免费访问GPU（图形处理单元）。Colaboratory是建立在Jupyter Notebook之上的。

image_count = len(list(data_dir.glob('*/*.jpg')))
print("数据集中的图像数量为：")
print(image_count)
print("数据集预览：")
print("玫瑰")
roses = list(data_dir.glob('roses/*'))
PIL.Image.open(str(roses[1]))
print("郁金香")
tulips = list(data_dir.glob('tulips/*'))
PIL.Image.open(str(tulips[0]))

代码来源: https://www.tensorflow.org/tutorials/images/classification

输出结果

数据集中的图像数量为：
3670
数据集预览：
玫瑰

郁金香

说明

• 显示部分数据集样本在控制台上。