تبدیل شدہ تصاویر کو گرڈ فارمیٹ میں ظاہر کرنے کے لیے کوڈ میں ترمیم کرنے کے لیے، ہم Python میں matplotlib لائبریری کا استعمال کر سکتے ہیں۔ Matplotlib ایک وسیع پیمانے پر استعمال ہونے والی پلاٹنگ لائبریری ہے جو تصورات کو تخلیق کرنے کے لیے مختلف فنکشن فراہم کرتی ہے۔
سب سے پہلے، ہمیں ضروری لائبریریوں کو درآمد کرنے کی ضرورت ہے۔ TensorFlow کے علاوہ، ہم matplotlib.pyplot ماڈیول کو بطور plt درآمد کریں گے:
python import tensorflow as tf import matplotlib.pyplot as plt
اگلا، ہمیں تصاویر کا سائز تبدیل کرنے کے لیے کوڈ میں ترمیم کرنے کی ضرورت ہے۔ یہ فرض کرتے ہوئے کہ ہمارے پاس ایک متغیر میں محفوظ کردہ تصاویر کی فہرست ہے جسے `images` کہتے ہیں، ہم ہر تصویر کو مطلوبہ شکل دینے کے لیے TensorFlow کے `tf.image.resize()` فنکشن کا استعمال کر سکتے ہیں۔ مثال کے طور پر، اگر ہم تصاویر کا سائز تبدیل کرنا چاہتے ہیں (64, 64)، تو ہم درج ذیل کام کر سکتے ہیں:
python resized_images = [tf.image.resize(image, (64, 64)) for image in images]
اب جب کہ ہمارے پاس سائز تبدیل شدہ تصاویر ہیں، ہم انہیں ڈسپلے کرنے کے لیے ایک گرڈ لے آؤٹ بنا سکتے ہیں۔ ہم ذیلی پلاٹوں کی گرڈ بنانے کے لیے `plt.subplots()` فنکشن استعمال کریں گے، جہاں ہر ذیلی پلاٹ ایک تصویر کی نمائندگی کرتا ہے۔ ہم گرڈ میں قطاروں اور کالموں کی تعداد کے ساتھ ساتھ ہر ذیلی پلاٹ کا سائز بھی بتا سکتے ہیں:
python num_rows = 4 num_cols = 4 fig, axes = plt.subplots(num_rows, num_cols, figsize=(10, 10))
اگلا، ہم دوبارہ سائز کی گئی تصاویر پر اعادہ کر سکتے ہیں اور ہر تصویر کو ذیلی پلاٹ پر پلاٹ کر سکتے ہیں۔ ہم تصویر کو ظاہر کرنے کے لیے 'Axes' آبجیکٹ سے `imshow()` فنکشن استعمال کر سکتے ہیں:
python for i, ax in enumerate(axes.flat): ax.imshow(resized_images[i]) ax.axis('off')
آخر میں، ہم تصاویر کے گرڈ کو ظاہر کرنے کے لیے `plt.show()` فنکشن استعمال کر سکتے ہیں:
python plt.show()
ان سب کو ایک ساتھ رکھتے ہوئے، تبدیل شدہ کوڈ کو ایک گرڈ فارمیٹ میں تبدیل شدہ تصاویر کو ظاہر کرنے کے لیے اس طرح نظر آئے گا:
python import tensorflow as tf import matplotlib.pyplot as plt # Assuming we have a list of images stored in the variable `images` resized_images = [tf.image.resize(image, (64, 64)) for image in images] # Create a grid layout for the images num_rows = 4 num_cols = 4 fig, axes = plt.subplots(num_rows, num_cols, figsize=(10, 10)) # Plot each resized image on a subplot for i, ax in enumerate(axes.flat): ax.imshow(resized_images[i]) ax.axis('off') # Display the grid of images plt.show()
ان اقدامات پر عمل کرتے ہوئے، آپ Python میں matplotlib لائبریری کا استعمال کرتے ہوئے ایک گرڈ فارمیٹ میں دوبارہ سائز کی تصاویر کو ظاہر کرنے کے لیے کوڈ میں ترمیم کر سکتے ہیں۔
سے متعلق دیگر حالیہ سوالات اور جوابات کاگلے پھیپھڑوں کے کینسر کا پتہ لگانے کا مقابلہ کے ساتھ 3D قیوژنیوال عصبی نیٹ ورک:
- Kaggle مقابلے میں پھیپھڑوں کے کینسر کا پتہ لگانے کے لیے 3D convolutional neural نیٹ ورک کی کارکردگی کو بہتر بنانے کے لیے کچھ ممکنہ چیلنجز اور نقطہ نظر کیا ہیں؟
- 3D convolutional عصبی نیٹ ورک میں خصوصیات کی تعداد کا اندازہ کیسے لگایا جا سکتا ہے، convolutional paches کے طول و عرض اور چینلز کی تعداد کو دیکھتے ہوئے؟
- convolutional neural نیٹ ورکس میں پیڈنگ کا مقصد کیا ہے، اور TensorFlow میں پیڈنگ کے کیا آپشنز ہیں؟
- طول و عرض اور پیشرفت کے لحاظ سے 3D convolutional عصبی نیٹ ورک 2D نیٹ ورک سے کیسے مختلف ہے؟
- TensorFlow کا استعمال کرتے ہوئے Kaggle پھیپھڑوں کے کینسر کا پتہ لگانے کے مقابلے کے لیے 3D convolutional neural نیٹ ورک کو چلانے میں کون سے اقدامات شامل ہیں؟
- تصویری ڈیٹا کو نمپی فائل میں محفوظ کرنے کا مقصد کیا ہے؟
- پری پروسیسنگ کی پیشرفت کو کیسے ٹریک کیا جاتا ہے؟
- بڑے ڈیٹاسیٹس کو پری پروسیسنگ کے لیے تجویز کردہ طریقہ کیا ہے؟
- لیبلز کو ایک گرم شکل میں تبدیل کرنے کا مقصد کیا ہے؟
- "process_data" فنکشن کے پیرامیٹرز کیا ہیں اور ان کی ڈیفالٹ ویلیوز کیا ہیں؟