tensorflow中使用预训练模型进行微调

本文介绍了如何在TensorFlow中利用预训练模型进行微调。首先,讲解了定义模型的步骤,接着详细阐述了模型微调的过程,旨在帮助读者掌握在实际项目中有效利用预训练模型提升性能的方法。
摘要由CSDN通过智能技术生成

预训练模型进行微调

定义模型

class MyModel(tf.keras.Model):

    def __init__(self, height=None,width=None,channel=None):
        super(MyModel,self).__init__()

        self.inputshape = tf.keras.layers.InputLayer(input_shape=(height,width,channel))

        # self.resnet50 = tf.keras.applications.ResNet50(include_top=False,
        #                                                weights="imagenet",
        #                                                input_shape=(height,width,channel),
        #                                                )
        #
        #


        self.effnet = tfkeras.EfficientNetB0(
                include_top=False,
                weights='imagenet',
                input_shape=(height,width,channel)
        )
        self.pool = tf.keras.layers.GlobalAveragePooling2D(name="GlobalAP")
        self.dense3 = tf.keras.layers.De
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值