इनपुट इमेज की तैयारी
मूल ResNet50 मॉडल को 224 x 224 पिक्सेल साइज की इमेज और कुछ प्री-प्रोसेसिंग ऑपरेशंस के साथ ट्रेन किया गया था; जैसे सभी ट्रेनिंग इमेज के लिए ट्रेनिंग सेट के औसत पिक्सेल मान को घटाना. जिन इमेज पर आप प्रिडिक्ट करना चाहते हैं, उन्हें भी उसी तरह प्री-प्रोसेस करना ज़रूरी है.
जब आप एक अकेली इमेज पर प्रिडिक्ट करते हैं, तो उसे मॉडल के इनपुट शेप में फिट होना चाहिए, जो इस केस में ऐसा है:
(batch-size, width, height, channels). np.expand_dims के पैरामीटर axis = 0 के साथ बैच-साइज़ वाला डायमेंशन जोड़ता है, जो दर्शाता है कि प्रिडिक्ट के लिए एक सिंगल इमेज पास होगी. यह बैच-साइज़ 1 होता है, क्योंकि हम सिर्फ एक इमेज पर प्रिडिक्ट कर रहे हैं.
आप इन प्री-प्रोसेसिंग स्टेप्स से गुजरेंगे और इस कुत्ते (जिसका नाम Ivy है) की इमेज को ऐसे रूप में तैयार करेंगे जिसे ResNet50 क्लासिफाई कर सके.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
अभ्यास निर्देश
tensorflow.keras.preprocessingसेimageऔरtensorflow.keras.applications.resnet50सेpreprocess_inputइम्पोर्ट करें.- अपने मॉडल के लिए सही
target_sizeके साथ इमेज लोड करें. image.img_to_array()से इसे एक ऐरे में बदलें.img_expandedकोpreprocess_input()से उसी तरह प्री-प्रोसेस करें, जैसे मूल ResNet50 ट्रेनिंग इमेज प्रॉसेस की गई थीं.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import image and preprocess_input
from tensorflow.keras.____ import ____
from tensorflow.keras.____.____ import ____
# Load the image with the right target size for your model
img = image.load_img(img_path, target_size=(____, ____))
# Turn it into an array
img_array = image.____(____)
# Expand the dimensions of the image, this is so that it fits the expected model input format
img_expanded = np.expand_dims(img_array, axis = 0)
# Pre-process the img in the same way original images were
img_ready = ____(____)