다음처럼 훈련 및 테스트 이미지를 로딩하는 과정을 설정합니다.
TRAIN_LENGTH = info.splits['train'].num_examples
BATCH_SIZE = 64
BUFFER_SIZE = 1000
STEPS_PER_EPOCH = TRAIN_LENGTH // BATCH_SIZE
train_images = dataset['train'].map(load_image, num_parallel_calls=tf.data.AUTOTUNE)
test_images = dataset['test'].map(load_image, num_parallel_calls=tf.data.AUTOTUNE)
기본적인 하이퍼파라미터를 설정하고, 모든 훈련 이미지를 로드하고 전처리합니다. num_parallel_calls=tf.data.AUTOTUNE은 데이터 로딩 과정에서 병렬 처리를 최적화하기 위해 사용됩니다. 이를 통해 모델 학습과 평가 과정이 원활하게 진행될 수 있도록 준비합니다.