Tensorflow2.0 keras InceptionResNetV2代码实现

最新推荐文章于 2023-04-12 11:34:12 发布

老光头_ME2CS

最新推荐文章于 2023-04-12 11:34:12 发布

阅读量3.4k

点赞数 5

分类专栏： Tensorflow 学习笔记 Python 卷积神经网络文章标签： tensorflow 深度学习卷积神经网络

本文链接：https://blog.csdn.net/Forrest97/article/details/106150730

版权

本文档介绍了如何使用Tensorflow2.0的keras搭建InceptionResNetV2模型，包括迁移学习的使用，详细解析了InceptionRes模块的各个组成部分如Stem，A、B、C模块以及Reduction A和B。通过自编代码，最终构建了完整的Inception-ResNet网络，并与Keras预训练模型进行了效果对比。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

迁移学习

首先还是看看标准答案

import  tensorflow as tf
from    tensorflow import keras

base_model = keras.applications.InceptionResNetV2(weights='imagenet')
base_model.summary()

在这里插入图片描述
这个summary()是相当的长了。

自编代码

定义卷积单元

def conv2d_cell(x, nbfilter, filtersz, strides=1, pad='same', act=True, name=None):

    x = Conv2D(nbfilter, filtersz, strides, padding=pad, use_bias=False, data_format='channels_last', name=name+'conv2d')(x) #use_bias
    x = BatchNormalization(axis=3, scale=False, name=name+'conv2dbn')(x)    #axis

    if act:
        x = Activation('relu', name=name+'conv2dact')(x)

    return x

Stem模块

在这里插入图片描述

def stem_block(x, name=None):

    x = conv2d_cell(x, 32, 3, 2, 'valid', True, name=name+'conv1')
    x = conv2d_cell(x, 32, 3, 1, 'valid', True, name=name+'conv2')
    x = conv2d_cell(x, 64, 3, 1, 'same', True, name=name+'conv3')

    x_11 = MaxPooling2D(3, strides=2, padding='valid', name=name+'_branch11_maxpool')(x)
    x_12 = conv2d_cell(x, 64, 3, 2, 'valid', True, name=name+'_branch12')

    x = Concatenate(axis =3, name=name+'concat_1')([x_11, x_12])

    x_21 = conv2d_cell(x, 64, 1, 1, 'same', True, name=name+'_branch211')
    x_21 = conv2d_cell(x_21, 64, [1,7], 1, 'same', True, name=name+'_branch212')
    x_21 = conv2d_cell(x_21, 64, [7,1], 1, 'same', True, name=name+'_branch213')
    x_21 = conv2d_cell(x_21, 96, 3, 1, 'valid', True, name=name+'_branch214')

    x_22 = conv2d_cell(x, 64,