T5：使用tensorflow完成运动鞋品牌识别

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊
  我的环境
  语言环境：python 3.7.12
  编译器：VS code
  深度学习环境：tensorflow 2.7.0
  数据：本地数据集46-data

一、任务描述

这期的任务是对运动鞋品牌进行二分类。
隐藏任务：初步学习调参。即本期代码内存在一个参数的修改，如果直接使用代码acc不高，请找出并修改其到最佳。答案揭晓在最后。

二、实现过程

1.数据导入与查看

data_dir = "./46-data/"
data_dir = pathlib.Path(data_dir)
# 查看
image_count = len(list(data_dir.glob('*/*/*.jpg')))
print("图片总数为：",image_count)

roses = list(data_dir.glob('train/nike/*.jpg'))
PIL.Image.open(str(roses[0]))

2.数据预处理

2.1加载数据

使用image_dataset_from_directory方法将磁盘中的数据加载到tf.data.Dataset中
● tf.keras.preprocessing.image_dataset_from_directory()：是 TensorFlow 的 Keras 模块中的一个函数，用于从目录中创建一个图像数据集（dataset）。这个函数可以以更方便的方式加载图像数据，用于训练和评估神经网络模型。

测试集与验证集的关系：

1. 验证集并没有参与训练过程梯度下降过程的，狭义上来讲是没有参与模型的参数训练更新的。
2. 但是广义上来讲，验证集存在的意义确实参与了一个“人工调参”的过程，我们根据每一个epoch训练之后模型在valid data上的表现来决定是否需要训练进行early stop，或者根据这个过程模型的性能变化来调整模型的超参数，如学习率，batch_size等等。
3. 因此，我们也可以认为，验证集也参与了训练，但是并没有使得模型去overfit验证集

batch_size = 32
img_height = 224
img_width = 224

如果准备尝试 categorical_crossentropy损失函数，下面的代码遇到变动哈，变动细节将在下一周博客内公布。

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.youkuaiyun.com/article/details/117018789
"""
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    "./46-data/train/",
    seed=123,
    image_size=(img_height, img_width),
    batch_size=batch_size)

"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.youkuaiyun.com/article/details/117018789
"""
val_ds = tf.keras.preproce