Keras - 预训练模型

在本章中，我们将学习Keras中的预训练模型。让我们从VGG16开始。

VGG16

VGG16是另一个预训练模型。它也是使用ImageNet训练的。加载模型的语法如下：

keras.applications.vgg16.VGG16(
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000
)

此模型的默认输入大小为224x224。

MobileNetV2

MobileNetV2是另一个预训练模型。它也是使用ImageNet训练的。

加载模型的语法如下：

keras.applications.mobilenet_v2.MobileNetV2 (
   input_shape = None, 
   alpha = 1.0, 
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   pooling = None, 
   classes = 1000
)

这里，

alpha控制网络的宽度。如果值小于1，则减少每一层中的滤波器数量。如果值大于1，则增加每一层中的滤波器数量。如果alpha = 1，则在每一层使用论文中的默认滤波器数量。

此模型的默认输入大小为224x224。

InceptionResNetV2

InceptionResNetV2是另一个预训练模型。它也是使用ImageNet训练的。加载模型的语法如下：

keras.applications.inception_resnet_v2.InceptionResNetV2 (
   include_top = True, 
   weights = 'imagenet',
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000)

此模型既可以用“channels_first”数据格式（通道、高度、宽度）构建，也可以用“channels_last”数据格式（高度、宽度、通道）构建。

此模型的默认输入大小为299x299。

InceptionV3

InceptionV3是另一个预训练模型。它也是使用ImageNet训练的。加载模型的语法如下：

keras.applications.inception_v3.InceptionV3 (
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000
)

这里，

此模型的默认输入大小为299x299。

结论

Keras是一个非常简单、可扩展且易于实现的神经网络API，可用于构建具有高级抽象的深度学习应用程序。Keras是深度学习模型的最佳选择。