- Keras 教程
- Keras - 主页
- Keras - 介绍
- Keras - 安装
- Keras - 后端配置
- Keras - 深度学习概述
- Keras - 深度学习
- Keras - 模块
- Keras - 层
- Keras - 自定义层
- Keras - 模型
- Keras - 模型编译
- Keras - 模型评估和预测
- Keras - 卷积神经网络
- Keras - 使用 MPL 的回归预测
- Keras - 使用 LSTM RNN 的时间序列预测
- Keras - 应用
- Keras - 使用 ResNet 模型进行实时预测
- Keras - 预训练模型
- Keras 有用资源
- Keras - 快速指南
- Keras - 有用资源
- Keras - 讨论
Keras - 应用
Keras 应用模块用于为深度神经网络提供预训练模型。Keras 模型用于预测、特征提取和微调。本章详细讲解了 Keras 应用。
预训练模型
训练模型包含两个部分:模型架构和模型权重。模型权重大,因此我们必须从 ImageNet 数据库下载并提取特征。一些流行的预训练模型如下所示:
- ResNet
- VGG16
- MobileNet
- InceptionResNetV2
- InceptionV3
加载模型
Keras 预训练模型可以按如下所示轻松加载 −
import keras import numpy as np from keras.applications import vgg16, inception_v3, resnet50, mobilenet #Load the VGG model vgg_model = vgg16.VGG16(weights = 'imagenet') #Load the Inception_V3 model inception_model = inception_v3.InceptionV3(weights = 'imagenet') #Load the ResNet50 model resnet_model = resnet50.ResNet50(weights = 'imagenet') #Load the MobileNet model mobilenet_model = mobilenet.MobileNet(weights = 'imagenet')
加载模型后,我们可以立即使用它来进行预测。让我们在即将到来的章节中检查每个预训练模型。
广告