Keras 简明教程

Keras - Pre-Trained Models

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
)

该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
)

在此，

alpha 控制网络的宽度。如果值低于 1，则减少每一层中的滤波器数量。如果值高于 1，则增加每一层中的滤波器数量。如果 alpha = 1，则每一层都使用来自论文的默认滤波器数量。

该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)

此模型可以采用“channels_first”数据格式（通道数、高度、宽度）或“channels_last”数据格式（高度、宽度、通道数）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所示 −

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

在此，

此模型的默认输入大小为 299x299 。

Conclusion

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高级学习应用程序。Keras 是深度学习模型的最佳选择。