Keras - 预训练模型

---

在本章中，我们将了解 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。它还使用 ImageNet 进行训练。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
)

该模型的默认输入尺寸为 224x224。

移动网络V2

MobileNetV2是另一种预训练模型。它还使用ImageNet进行训练。

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。如果该值低于 1，则减少每层中的过滤器数量。如果该值大于 1，则增加每层中的过滤器数量。如果 alpha = 1，则每层使用纸张中默认数量的滤波器。

该模型的默认输入大小为224x224。

InceptionResNetV2

InceptionResNetV2是另一个预训练模型。它还使用ImageNet进行训练。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)

该模型可以使用“channels_first”数据格式（通道、高度、宽度）或“channels_last”数据格式（高度、宽度、通道）构建。

该模型的默认输入大小为299x299。

盗梦空间V3

InceptionV3是另一个预训练模型。它还使用ImageNet进行训练。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，

该模型的默认输入大小为299x299。

结论

Keras 是非常简单、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。