Сделайте предобработку данных: поделите значения яркости на 255. Для этого передайте специальный аргумент в загрузчик ImageDataGenerator (найдите в документации), в котором будет указано, что делить нужно на 255. Создавать и обучать модель не нужно. На экране напечатайте значения пикселей изображения из первого батча обучающей выборки.

Подсказка

За нормировку в ImageDataGenerator отвечает аргумент rescale.

from tensorflow.keras.preprocessing.image import ImageDataGenerator
    
datagen = ImageDataGenerator(validation_split=0.25, rescale=1./255)

train_datagen_flow = datagen.flow_from_directory(
    '/datasets/fruits_small/',
    target_size=(150, 150),
    batch_size=16,
    class_mode='sparse',
    subset='training',
    seed=12345)

val_datagen_flow = datagen.flow_from_directory(
    '/datasets/fruits_small/',
    target_size=(150, 150),
    batch_size=16,
    class_mode='sparse',
    subset='validation',
    seed=12345)

features, target = train_datagen_flow.next()
print(features[0])

Результат

Found 1266 images belonging to 12 classes.
Found 417 images belonging to 12 classes.
[[[0.4784314 0.454902 0.454902 ]
[0.48235297 0.50980395 0.4901961 ]
[0.45882356 0.48627454 0.4666667 ]
...
[0.21960786 0.24705884 0.2392157 ]
[0.2627451 0.28627452 0.27450982]
[0.30980393 0.32941177 0.32156864]]

[[0.4666667 0.48627454 0.43921572]
[0.50980395 0.48627454 0.48627454]
[0.48235297 0.50980395 0.4901961 ]
...
[0.21176472 0.2392157 0.23137257]
[0.24313727 0.25490198 0.25882354]
[0.2901961 0.29803923 0.29411766]]

Ну-ка, фрукты встали в ряд! Нормировку сделали, теперь значения от 0 до 1. Её стоит делать всегда: результат не испортит, только улучшит.

: Категория: Я.Практикум Data Science; Просмотров: 2113

КЗ.19/25.4/6.7/12.Задача 2