风格迁移数据集_AI实战 | Tensorflow自定义数据集和迁移学习（附代码下载）

自定义数据集

做深度学习项目时，我们一般都不用网上公开的数据集，而是用自己制作的数据集。那么，怎么用Tensorflow2.0来制作自己的数据集并把数据喂给神经网络呢？且看这篇文章慢慢道来。

Pokemon Datasets

这篇文章我们用的datasets是Pokemon datasets，也就是皮卡丘电影中的一些角色，如下图所示：

数据集下载

链接: https://pan.baidu.com/s/1V_ZJ7ufjUUFZwD2NHSNMFw

提取码：dsxl

数据集划分

由上图可知，60%的数据集用来train，20%的数据集用来validation，同样20%用来test。

四个步骤

• Load data：加载数据
• Build model：建立模型
• Train-Val-Test：训练和测试
• Transfer Learning：迁移模型

加载数据

首先对数据进行预处理，把像素值的Numpy类型转换为Tensor类型，并归一化到[0~1]。把数据集的标签做one-hot编码。

def preprocess(x,y):
    # x: 图片的路径，y：图片的数字编码
    x = tf.io.read_file(x)
    x = tf.image.decode_jpeg(x, channels=3) # RGBA
    x = tf.image.resize(x, [244, 244])

    return x,