# ట్రాన్స్‌ఫర్ లెర్నింగ్ ఉపయోగించి ఆక్స్‌ఫర్డ్ పెట్స్ వర్గీకరణ

[AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) నుండి ల్యాబ్ అసైన్‌మెంట్.

## పని

మీరు పెట్ నర్సరీ కోసం అన్ని పెట్స్‌ను క్యాటలాగ్ చేయడానికి ఒక అప్లికేషన్ అభివృద్ధి చేయాల్సి ఉందని ఊహించుకోండి. అలాంటి అప్లికేషన్‌లో ఒక గొప్ప ఫీచర్ ఫోటో నుండి జాతిని ఆటోమేటిక్‌గా గుర్తించడం అవుతుంది. ఈ అసైన్‌మెంట్‌లో, మేము ట్రాన్స్‌ఫర్ లెర్నింగ్ ఉపయోగించి [Oxford-IIIT](https://www.robots.ox.ac.uk/~vgg/data/pets/) పెట్స్ డేటాసెట్ నుండి వాస్తవ జీవిత పెట్ చిత్రాలను వర్గీకరిస్తాము.

## డేటాసెట్

మేము 35 వేర్వేరు కుక్కలు మరియు పిల్లుల జాతులను కలిగిన అసలు [Oxford-IIIT](https://www.robots.ox.ac.uk/~vgg/data/pets/) పెట్స్ డేటాసెట్‌ను ఉపయోగిస్తాము.

డేటాసెట్‌ను డౌన్‌లోడ్ చేసుకోవడానికి, ఈ కోడ్ స్నిపెట్ ఉపయోగించండి:

```python
!wget https://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz
!tar xfz images.tar.gz
!rm images.tar.gz
```

## నోట్‌బుక్ ప్రారంభం

ల్యాబ్‌ను ప్రారంభించడానికి [OxfordPets.ipynb](OxfordPets.ipynb) ను ఓపెన్ చేయండి

## ముఖ్యాంశం

ట్రాన్స్‌ఫర్ లెర్నింగ్ మరియు ప్రీ-ట్రెయిన్డ్ నెట్‌వర్క్‌లు వాస్తవ ప్రపంచ చిత్ర వర్గీకరణ సమస్యలను సులభంగా పరిష్కరించడానికి సహాయపడతాయి. అయితే, ప్రీ-ట్రెయిన్డ్ నెట్‌వర్క్‌లు సమాన రకమైన చిత్రాలపై బాగా పనిచేస్తాయి, మరియు మనం చాలా భిన్నమైన చిత్రాలను (ఉదా: వైద్య చిత్రాలు) వర్గీకరించడం ప్రారంభిస్తే, ఫలితాలు చాలా తక్కువగా ఉండే అవకాశం ఉంది.

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**అస్పష్టత**:  
ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->