Reja: Keras paketini o'rnatish

Ma'lumotlarni tayyorlash
Ma'lumotlarni tayyorlash uchun umumiy tartibda quyidagilarni amalga oshirishingiz kerak:

1. 
   Ma'lumotlarni yuklash yoki generatsiya qilish
   
2. 
   Ma'lumotlarni tahlil qilish va o'rganish (preprocessing)
   
3. 
   Ma'lumotlarni tayyorlash (preparing) va modelga tashlash uchun tayyor qilish
   

Ma'lumotlar yuklanish yoki generatsiya qilinish qo'llanmalar va tushuntirishlariga qarab amalga oshiriladi. Ma'lumotlarni tahlil qilish uchun esa, ma'lumotlar ustida umumiy amallar (preprocessing) bajariladi. Ma'lumotlar ishlab chiqarilgandan so'ng, ularni ma'lumotlar to'plamiga (dataset) joylashtirish kerak. Ma'lumotlar tayyorlandiktan so'ng, ularni tahlil qilish uchun maqsadga muvofiqligini tekshirish kerak.
Keras-da ko'p xil turdagi ma'lumotlar tayyorlash usullari mavjud, masalan, raspini ma'lumotlarini to'plab olish, tasvir ma'lumotlarini yuklash, matn ma'lumotlarini ushlab qayta ishlash va boshqalar. Ma'lumotlar tayyorlash uchun avvalo ma'lumotlar yuklanishi yoki generatsiya qilinishi kerak. Keyingi qadam, ma'lumotlar ustida tahlil amallari (preprocessing) bajarilishi kerak. Tahlil amallari uchun kerakli ko'rsatmalarni Kerasta topish mumkin. Tahlil amallaridan so'ng ma'lumotlar tayyorlash (preparing) va modelga tashlash uchun tayyor qilish kerak.
Modelni tuzish uchun kerakli ma'lumotlarni tayyorlash kerak. Biz misol sifatida MNIST raqam tanishuv datasi katalogidan foydalanamiz. Bu datada 28x28 piksel o'lchamdagi raqamlar mavjud va 0 dan 9 gacha raqamlardan iborat.
Keras paketi buni o'qish uchun o'z xususiy formati bo'lgan NumPy massivlarni talab qiladi. Biz ma'lumotlarni NumPy massivlari ko'rinishida tayyorlaymiz. MNIST datasi Keras paketi ichida mavjud, shuning uchun, datani yuklab olishni va ulardan foydalanishni ko'rsatuvchi kichik bir skript yozamiz:
from keras.datasets import mnist
# Ma'lumotlarni yuklash
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# Inputlar 2D massivga aylantiriladi
x_train = x_train.reshape(60000, 784)
x_test = x_test.reshape(10000, 784)

# Massivlar float tipiga o'zgartiriladi va 0-1 oralig'ida qaytariladi

x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
# Outputlar kategorik ko'rinishga o'giriladi
from keras.utils import to_categorical
y_train = to_categorical(y_train, num_classes=10)
y_test = to_categorical(y_test, num_classes=10)
Bu kod ko'rsatilgan bo'limdan foydalanib, x_train va x_test inputlarni, y_train va y_test esa outputlarni saqlaydi. Ma'lumotlar tayyorlanishidan so'ng, ularga tahlil olish uchun qo'llaniladi.