|
|
|
|
Python — Módulo smeTf
Início
1. Introdução
Funções úteis de apoio ao tratamento de imagens com o módulo "TensorFlow":
Início
2. smeGetFilsPath: Cria list com os nomes dos ficheiros
smeGetFilsPath (dname, imgType='png', subDirs='*', sort=False):
Cria uma lista dos ficheiros contidos em "dname/subDirs" do tipo "imgType" e
ordena-os ou não de acordo com "sort".
Início
3. smeHistAppend: Acrescenta a "history" de um fit à de outro
smeHistAppend (h1, h2):
Acrescenta a "history" de um fit (h2) à de outro anterior (h1). Exemplo:
h1 = model.fit(trainDs, validation_data=valDs, epochs=50)
h2 = model.fit(trainDs, validation_data=valDs, epochs=50)
for key in h1.history.keys(): h1.history[key].extend(h2.history[key])
Início
4. smeKerasAccLossGraph: Mostra um gráfico da 'accuracy' e da 'loss' que resulta da evolução de um treino
smeKerasAccLossGraph (history)
Recebe como argumento a saída do treino e mostra um gráfico da 'accuracy' e da 'loss' que resulta da evolução de um treino.
Início
5. smeKerasClear: Limpa a memória de uma sessão
smeKerasClear ()
Limpa a memória.
Início
6. smeModelShow: Faz a imagem de um mostra e mostra-a
smeShowModel (model, mode="Full", outFile="/tmp/smeModel.png"):
Mostra um modelo usando a função "tf.keras.utils.plot_model", para tal
cria a imagem "outFile" (default: "/tmp/smeModel.png") e incluí, de acordo
com o "modo" escolhido, os seguintes argumentos:
- Full: show_shapes=True, show_dtype=True, expand_nested=True, show_layer_activations=True, show_trainable=True
- ShapeDtype: show_shapes=True, show_dtype=True
- Shape: show_shapes=True
- Dtype: show_dtype=True
Início
7. smeRandRotZoomSeq: Cria um modelo que aleatoriamente inverte, roda e faz zoom de uma imagem
smeRandRotZoomSeq (dims, rot=0.1, zoom=0.1):
Cria um modelo que aleatoriamente inverte, roda de "rot" e faz
zoom de "zoom" de uma imagem de dimensões "dims".
Início
8.
Início
9. Links úteis
Início
|
|
|
|