📌  相关文章
📜  Keras-预训练模型

📅  最后修改于: 2020-12-11 05:01:36             🧑  作者: Mango

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是另一种预训练模型。它还使用ImageNet进行了培训。加载模型的语法如下-

keras.applications.vgg16.VGG16(
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000
)

该模型的默认输入大小为224×224。

MobileNetV2

MobileNetV2是另一种预先训练的模型。它还使用ImageNet进行了培训。

加载模型的语法如下-

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。如果该值小于1，则减少每层中的过滤器数量。如果该值大于1，则增加每层中的过滤器数量。如果alpha = 1，则在每一层使用纸张的默认过滤器数量。

该模型的默认输入大小为224×224 。

盗版ResNetV2

InceptionResNetV2是另一个预先训练的模型。它还使用ImageNet进行了培训。加载模型的语法如下-

keras.applications.inception_resnet_v2.InceptionResNetV2 (
   include_top = True, 
   weights = 'imagenet',
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000)

此模型可以使用“ channels_first”数据格式(通道，高度，宽度)或“ channels_last”数据格式(高度，宽度，通道)构建。

该模型的默认输入大小为299×299 。

盗梦空间V3

InceptionV3是另一个预先训练的模型。它还使用ImageNet进行了培训。加载模型的语法如下-

keras.applications.inception_v3.InceptionV3 (
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000
)

这里，

该模型的默认输入大小为299×299 。

结论

Keras是非常简单，可扩展且易于实现的神经网络API，可用于构建具有高级抽象的深度学习应用程序。 Keras是深层倾斜模型的最佳选择。