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 .