【365天深度学习训练营】第三周 天气识别

• 🍨 本文为🔗365天深度学习训练营 内部限免文章（版权归 K同学啊 所有）
• 🍦 参考文章地址： 🔗第三周：天气识别 | 365天深度学习训练营
• 🍖 作者：K同学啊 | 接辅导、程序定制

我的环境：

• 语言环境：Python3.6.8
• 编译器：jupyter notebook
• 深度学习环境：TensorFlow2.1

一、前期工作

1. 设置 GPU

import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")

if gpus:
    gpu0 = gpus[0]                                        #如果有多个GPU，仅使用第0个GPU
    tf.config.experimental.set_memory_growth(gpu0, True)  #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpu0],"GPU")

2. 导入数据

import os,PIL,pathlib
import matplotlib.pyplot as plt
import numpy             as np
from tensorflow          import keras
from tensorflow.keras    import layers,models

data_dir = "D:/jupyter notebook/DL-100-days/datasets/weather_photos/" # 图片存放目录
data_dir = pathlib.Path(data_dir) # 构造 pathlib 模块下的 Path 对象

有关 pathlib 模块的更多介绍，大家可以去了解一下

3. 查看数据

数据集一共分为cloudy、rain、shine、sunrise四类，分别存放于weather_photos文件夹中以各自名字命名的子文件夹中

image_count = len(list(data_dir.glob('*/*.jpg'))) # # 使用 Path 对象的 glob() 方法获取 weather_photos 目录下的四个文件夹所有图片

print("图片总数为：",image_count)

输出
图片总数为： 1125

4. 可视化图片

# 返回图片路径
roses = list(data_dir.glob('sunrise/*.jpg')) # 使用 Path 对象的 glob() 方法获取 weather_photos/sunrise 目录下的所有图片对象
PIL.Image.open(str(roses[0])) # 读取第一张图片

二、数据预处理

1. 加载数据

使用image_dataset_from_dire