数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会研究
时尚研究
法律研究如何使用TensorFlow和预训练模型从预训练卷积神经网络创建基础模型？
TensorFlow和预训练模型可以借助`tf.keras.applications`模块中的`MobileNetV2`方法，从预训练的卷积神经网络创建基础模型。它将权重和图像的输入形状作为参数。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
包含至少一层卷积层的神经网络被称为卷积神经网络。我们可以使用卷积神经网络来构建学习模型。
我们将了解如何利用来自预训练网络的迁移学习对猫和狗的图像进行分类。图像分类迁移学习背后的直觉是，如果一个模型在大型通用数据集上进行训练，则该模型可以有效地作为视觉世界的通用模型。它已经学习了特征映射，这意味着用户不必从头开始，在一个大型数据集上训练一个大型模型。
阅读更多： 如何预训练自定义模型？
我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory帮助在浏览器上运行Python代码，无需任何配置，并可免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
示例
print("Creating base model from pre-trained MobileNet V2")
IMG_SHAPE = IMG_SIZE + (3,)
base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE, include_top=False,
weights='imagenet')代码来源 −https://tensorflowcn.cn/tutorials/images/transfer_learning
输出
Creating base model from pre-trained MobileNet V2 Downloading data from https://storage.googleapis.com/tensorflow/keras-applications/mobilenet_v2/mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_160_no_top.h5 9412608/9406464 [==============================] - 0s 0us/step
解释
使用了基础模型MobileNet V2。
它在ImageNet数据集上进行了预训练，这是一个包含140万张图像和1000个类别的大型数据集。
ImageNet是一个研究训练数据集，包含许多类别，例如菠萝蜜和注射器。
这套知识库有助于从猫和狗的数据集中对猫和狗进行分类。
需要选择用于特征提取的MobileNet V2层。
最后一层分类层不太有用。
但我们依赖于展平操作之前的最后一层。
它被称为“瓶颈层”。
与顶层相比，瓶颈层的特征保留了更多的通用性。
实例化MobileNet V2模型。它预先加载了在ImageNet上训练的权重。通过指定`include_top=False`，加载的网络不包括顶部的分类层。
这非常适合特征提取。
浏览量：198
