数据结构
网络
关系型数据库管理系统
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
社会学
时尚研究
法律研究如何使用 TensorFlow 和 TF Hub 进行迁移学习，下载 ImageNet 分类器？
TensorFlow 可以使用 TF Hub 进行迁移学习，以便使用“Sequential”模型下载 ImageNet 分类器。分类器模型使用 Google URL 指定。此模型被指定为“KerasLayer”方法的参数。
阅读更多： 什么是 TensorFlow 以及 Keras 如何与 TensorFlow 协作创建神经网络？
包含至少一个卷积层的神经网络称为卷积神经网络。我们可以 使用卷积神经网络构建学习模型。
我们正在使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 帮助通过浏览器运行 Python 代码，无需任何配置，并可免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。
图像分类迁移学习背后的直觉是，如果一个模型在一个大型且通用的数据集上进行训练，那么这个模型可以有效地作为视觉世界的通用模型。它将学习特征图，这意味着用户不必从头开始在大型数据集上训练大型模型。
TensorFlow Hub 是一个包含预训练 TensorFlow 模型的存储库。 TensorFlow 可用于微调学习模型。
我们将了解如何使用 TensorFlow Hub 中的模型与 tf.keras，使用 TensorFlow Hub 中的图像分类模型。完成后，可以执行迁移学习以微调模型以用于自定义图像类别。这是通过使用预训练的分类器模型来获取图像并预测其内容来完成的。这可以在无需任何训练的情况下完成。
示例
import numpy as np
import time
import PIL.Image as Image
import matplotlib.pylab as plt
import tensorflow as tf
import tensorflow_hub as hub
classifier_model ="https://tfhub.dev/google/tf2-preview/mobilenet_v2/classification/4"IMAGE_SHAPE = (224, 224)
print("Creating a sequential layer")
classifier = tf.keras.Sequential([
hub.KerasLayer(classifier_model, input_shape=IMAGE_SHAPE+(3,))
])代码来源 -https://tensorflowcn.cn/tutorials/images/transfer_learning_with_hub
输出
Creating a sequential layer
解释
- 导入所需的包。
- 创建一个顺序层。
更新于： 2021年2月25日
154 次查看
广告