Keras – 预训练模型

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。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程