上一节:

  Keras - 预训练模型

  • 简述

    在本章中，我们将了解 Keras 中的预训练模型。让我们从 VGG16 开始。

  • VGG16

    VGG16是另一个预训练模型。它也使用 ImageNet 进行训练。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

)
    此模型的默认输入大小为 224x224。

  • MobileNetV2

    MobileNetV2是另一个预训练模型。它也是使用 ImageNet训练的。
    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

)
    说明
    alpha控制网络的宽度。如果该值低于 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，则在每一层使用论文中的默认过滤器数量。
    此模型的默认输入大小为224x224。

  • InceptionResNetV2

    InceptionResNetV2是另一个预训练模型。它也使用ImageNet进行训练。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)
    该模型可以使用“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。
    此模型的默认输入大小为299x299。

  • InceptionV3

    InceptionV3是另一个预训练模型。它也是使用 ImageNet训练的。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，
    此模型的默认输入大小为299x299。

  • 结论

    Keras 是一个非常简单、可扩展且易于实现的神经网络 API，可用于构建高度抽象的深度学习应用程序。Keras 是深度学习模型的最佳选择。
上一节: