著名的CNN架构
VGG
ImageNet
预训练网络
Keras内置预训练网络
VGG两个很大的缺点
- 网络架构weight数量相当大，很消耗磁盘空间。
- 训练非常慢 由于其全连接节点的数量较多，再加上网络比较深，VGG16 有533MB+，VGG19有574MB。这使得部署VGG比较耗时。
微调:==冻结模型库的底部的卷积层， 共同训练新添加的分类器层和顶部部分卷积层。==
底部卷积层：提取通用特征（通用纹理，细小规则）
顶部卷积层：随着窗口视野的扩大，形成抽象特征（特点物品识别）
==微调步骤==
- 在预训练卷积基上添加自定义层
- 冻结卷积基所有层
- 训练添加的分类层
- 解冻卷积基的一部分层
- 联合训练解冻的卷积层和添加的自定义层}
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 YuKiFuHaNeの博客！
相关推荐
2023-07-14
常见内置预训练模型
Keras中文文档在ImageNet上预训练过的用于图像分类的模型 模型 大小 Top-1 准确率 Top-5 准确率 参数数量 深度 Xception 88 MB 0.790 0.945 22,910,480 126 VGG16 528 MB 0.713 0.901 138,357,544 23 VGG19 549 MB 0.713 0.900 143,667,240 26 ResNet50 98 MB 0.749 0.921 25,636,712 - ResNet101 171 MB 0.764 0.928 44,707,176 - ResNet152 232 MB 0.766 0.931 60,419,944 - ResNet50V2 98 MB 0.760 0.930 25,613,800 - ResNet101V2 171 MB 0.772 0.938 44,675,560 - ResNet152V2 232 MB 0.780 0.942 60,380,648 - ResNeXt50 96 MB 0.777 0.938 ...
2023-07-14
VGG 网络
VGG
2023-07-14
使用预训练网络
import tensorflow as tf import matplotlib.pyplot as plt %matplotlib inline import numpy as np import glob import os 打印Tensorflow版本1print('Tensorflow version:{}'.format(tf.__version__)) 打印是否支持GPU加速1print(tf.test.is_gpu_available()) 设置keras与layers(方便调用)12keras = tf.keraslayers = tf.keras.layers 读取train、test数据集图片路径12train_image_path = glob.glob('./dc_2000/train/*.jpg')test_image_path = glob.glob('./dc_2000/test/*.jpg') 将路径的图片名称提取出来12train_image_label ...
2023-07-14
200 种鸟类分类（多分类问题）
import tensorflow as tffrom tensorflow import keras import matplotlib.pyplot as plt %matplotlib inline import glob import numpy as np 打印Tensorflow版本1print('Tensorflow version:{}'.format(tf.__version__)) 打印是否能使用GPU加速运行1print(tf.test.is_gpu_available()) 获取图片路径1imgs_path = glob.glob("birds/*/*.jpg") 从路径中截取鸟类名称123img_p.split('\\')[1].split('.')[1]all_labels_name = [img_p.split('\\')[1].split('.')[1] for img_p in imgs_path]l...
2023-07-14
卷积神经网络
from tensorflow import keras from tensorflow.keras import layers import tensorflow as tf import numpy as np import matplotlib.pyplot as plt %matplotlib inline 加载fashion_mnist数据集12fashion_mnist = keras.datasets.fashion_mnist(train_images,train_labels),(test_images,test_labels) = fashion_mnist.load_data() 维度扩增12train_images = np.expand_dims(train_images,-1)#扩张维度 -1表示扩增最后一个维度test_images = np.expand_dims(test_images,-1) 模型搭建123456789101112131415161718192021222324252627282930313233343536373839m...
2023-07-14
卷积神经网络概念
增加层的缺陷在达到一定深度后加入更多层，模型可能产生梯度消失或爆炸的问题 可以通过更好的初始化权重、添加BN层等解决 现代架构，试图通过引入不同的技术来解决这些问题，如残差连接 CNN 卷积层 标准化
