TensorFlow -Datensatz stürzt VSCODE
Posted: 17 Aug 2025, 09:54
Ich versuche also, einen einfachen Bildklassifizierer mit einem CNN und einem bereits beschrifteten Datensatz mit dem Namen "Places 365" zu erstellen. Wenn ich jedoch model.fit () meine RAM -Verwendung maxes und vs Code abfällt oder den Kernel neu starte. Tensorflow.keras.datasets.cifar10.load_data ()
Ich bin also ziemlich sicher, dass ich etwas mit der Art und Weise fehlt, wie tfds.load () Format des Datensatzes.
I essentially followed the instructions here: Official TensorFlow documentation
All I really changed was:
Alles andere ist gleich, und alle Codeblöcke kompilieren und laufen in Jupyter, außer für Model.fit (), also habe ich keine Idee, warum diese dumme Funktion nur mein Ram und Crashing -Code für den VS -Code.>
Ich bin also ziemlich sicher, dass ich etwas mit der Art und Weise fehlt, wie tfds.load () Format des Datensatzes.
Code: Select all
import tensorflow as tf
import tensorflow_datasets as tfds
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
import numpy as np
(ds_train, ds_test), ds_info = tfds.load(
'places365_small',
split=['train', 'test'],
shuffle_files=True,
as_supervised=True,
with_info=True,
)
def normalize_img(image, label , filename = ''):
"""Normalizes images: `uint8` -> `float32`."""
return tf.cast(image, tf.float32) / 255., label
ds_train = ds_train.map(
normalize_img, num_parallel_calls=tf.data.AUTOTUNE)
ds_train = ds_train.cache()
ds_train = ds_train.shuffle(ds_info.splits['train'].num_examples)
ds_train = ds_train.batch(128)
ds_train = ds_train.prefetch(tf.data.AUTOTUNE)
ds_test = ds_test.map(
normalize_img, num_parallel_calls=tf.data.AUTOTUNE)
ds_test = ds_test.batch(128)
ds_test = ds_test.cache()
ds_test = ds_test.prefetch(tf.data.AUTOTUNE)
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(256, 256, 3)))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(64, (3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(64, (3, 3), activation='relu'))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(64, activation='relu'))
model.add(tf.keras.layers.Dense(365))
model.compile(
optimizer=tf.keras.optimizers.Adam(0.001),
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=[tf.keras.metrics.SparseCategoricalAccuracy()],
)
model.fit(
ds_train,
epochs=6,
validation_data=ds_test,
)
All I really changed was:
- loaded places365_small dataset instead of MNIST
- added the filename arg to normalize_img Da der Datensatz über 3 Funktionen (Bild, Beschriftung, Dateiname) < /p>
< /li>
implementiertes CNN -Modell < /p>
Eingabemodell in die Eingangsform für die Bilddimensionen für Place365 < /p> < /li> < /li> < /li> < /< /> < /< /> < /< /> < /< /> < /< /< /< /< /> < /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /< /BRs, verfügt. Kategorien)
Alles andere ist gleich, und alle Codeblöcke kompilieren und laufen in Jupyter, außer für Model.fit (), also habe ich keine Idee, warum diese dumme Funktion nur mein Ram und Crashing -Code für den VS -Code.>