Keras – 预训练模型
在本章中,我们将学习Keras中的预训练模型。让我们从VGG16开始。
VGG16
VGG16 是另一个预训练的模型。它也是用ImageNet训练的。加载该模型的语法如下 —
keras.applications.vgg16.VGG16(
include_top = True,
weights = 'imagenet',
input_tensor = None,
input_shape = None,
pooling = None,
classes = 1000
)
该模型的默认输入尺寸为224×224。
MobileNetV2
MobileNetV2 是另一个预训练的模型。它也是使用 ImageNet 进行训练的 。
加载该模型的语法如下
keras.applications.mobilenet_v2.MobileNetV2 (
input_shape = None,
alpha = 1.0,
include_top = True,
weights = 'imagenet',
input_tensor = None,
pooling = None,
classes = 1000
)
这里、
alpha 控制网络的宽度。如果该值低于1,则减少每层的过滤器数量。如果该值高于1,则增加每层的过滤器数量。如果alpha=1,每层都使用文件中默认的过滤器数量。
这个模型的默认输入尺寸是 224×224。
InceptionResNetV2
InceptionResNetV2 是另一个预训练的模型。它也是用 ImageNet 训练的 。 加载该模型的语法如下
keras.applications.inception_resnet_v2.InceptionResNetV2 (
include_top = True,
weights = 'imagenet',
input_tensor = None,
input_shape = None,
pooling = None,
classes = 1000)
这个模型可以用’channel_first’数据格式(通道、高度、宽度)或’channel_last’数据格式(高度、宽度、通道)建立。
这个模型的默认输入尺寸是 299×299。
InceptionV3
InceptionV3 是另一个预训练的模型。它也是使用 ImageNet 进行训练的 。 加载该模型的语法如下
keras.applications.inception_v3.InceptionV3 (
include_top = True,
weights = 'imagenet',
input_tensor = None,
input_shape = None,
pooling = None,
classes = 1000
)
这里、
这个模型的默认输入尺寸是 299×299 .
总结
Keras是非常简单的、可扩展的、易于实现的神经网络API,它可以用来建立具有高水平抽象的深度学习应用程序。Keras是深度学习模型的一个最佳选择。