Transfer Learning with Custom Dataset / Dataset Personalizado

🇺🇸 English Version | 🇧🇷 Versão em Português

---

📘 English Version

Transfer Learning with Custom Dataset

This project is a fork of the original Transfer Learning / Fine-Tuning tutorial available at:
Colab - Transfer Learning

📌 About the Project

The goal of this repository is to apply Transfer Learning techniques using a custom dataset, while allowing dynamic control over the percentage of images used during training. These modifications enhance flexibility and experimentation in fine-tuning pre-trained models.

During the development process, the following changes were made to the original code:

• Replacement of the original dataset with a user-defined dataset;
• Introduction of an option to set the percentage of images used for training.

These changes aim to improve understanding of Transfer Learning and enable users to test model performance under different data constraints.

🚀 Features

• Train pre-trained models with custom datasets;
• Adjust the percentage of training data dynamically;
• Fully interactive via Google Colab.

🧠 Technologies Used

• Python
• TensorFlow / Keras
• Google Colab
• Matplotlib / NumPy

🔧 How to Use

1. Open the notebook in Google Colab;
2. Upload your dataset or change the dataset path in the code;
3. Adjust the percentage of images to be used for training;
4. Run the notebook cells to train and evaluate the model.

✍️ Author

This project was developed as a practical exercise to deepen the understanding of Transfer Learning, based on educational materials.
Modifications made by: allvaret

---

Transfer Learning com Dataset Personalizado

Este projeto é um fork do tutorial original de Transfer Learning / Fine Tuning disponível em:
Colab - Transfer Learning

📌 Sobre o Projeto

O objetivo deste repositório é aplicar técnicas de Transfer Learning utilizando um dataset personalizado, com controle sobre a porcentagem de imagens utilizadas no treinamento. Essa modificação proporciona maior flexibilidade e controle sobre o processo de ajuste fino de modelos pré-treinados.

Durante o desenvolvimento, foram feitas alterações importantes no código original, permitindo:

• Substituição do dataset original por um dataset customizado;
• Definição da porcentagem de imagens utilizadas no treinamento, com ajuste dinâmico pelo usuário.

Essas mudanças foram realizadas com o intuito de facilitar o entendimento do processo de transferência de aprendizado e permitir experimentações práticas com diferentes volumes de dados.

🚀 Funcionalidades

• Treinamento de modelos usando Transfer Learning com datasets personalizados;
• Ajuste de fine-tuning com diferentes percentuais de dados;
• Acesso interativo via Google Colab.

🧠 Tecnologias Utilizadas

• Python
• TensorFlow / Keras
• Google Colab
• Matplotlib / NumPy

🔧 Como Utilizar

1. Acesse o notebook no Colab;
2. Faça upload do seu dataset ou modifique o caminho do dataset no código;
3. Ajuste a porcentagem de imagens a serem usadas para o treinamento;
4. Execute as células para treinar e avaliar o modelo.

✍️ Autor

Este projeto foi desenvolvido como exercício de compreensão prática sobre Transfer Learning, com base em tutoriais educacionais.
Modificações realizadas por: allvaret