Иногда нам нужно запустить много сетей, например, сравнительный эксперимент, на этот раз можно использовать непосредственно keras модулей приложения (следует отметить, что в модели больше tf2.x, рекомендуется обновить до 2.x),
picture_size=224
x_shape = [pictrue_size, pictrue_size, 3]
base_model = keras.applications.MobileNet(input_tensor=keras.layers.Input((pictrue_size,pictrue_size,3)),include_top=False,pooling='avg',weights=None)
#也就是使用了VGG16的网络之后然后变成了不该使用的
output = keras.layers.Dense(1, activation='sigmoid')(base_model.output) #output
model = keras.models.Model(inputs=[base_model.input], outputs=[output]) #也就是使用了models然后对
keras.applications.MobileNet(input_tensor=keras.layers.Input((pictrue_size,pictrue_size,3)),include_top=False,pooling='avg',weights=None)
Если для весов установлено значение «Нет», веса до обучения не используются.
Если вам нужно классифицировать разные числа, напрямую установить для include_top значение False, а затем выполнить глобальное среднее пулирование, вы можете получить 11Карта функций x и подскажет вам хороший способ изменить свой собственный код, напрямую войти в функцию, чтобы проверить условное суждение include_top, а затем перенести запись в функции в свой собственный код.
Вышеупомянутый метод написания мобильной сети, вы можете обратиться к нему
Приведенный выше код предназначен для выполнения двоичной классификации и использования сигмовидной функции.Если вам нужно использовать несколько классификаций, вам нужно только изменить эту строку кода:
classes =1000
output = keras.layers.Dense(classes, activation='softmax')(base_model.output) #output
Для чтения данных я всегда используюkeras.preprocessing.image.ImageDataGeneratorЭту функцию, для других типов данных, вы можете изучить самостоятельно.