《基于Tensorflow的知识图谱实战》 --- 使用ResNet作为特征提取层建立模型

deng_den

已于 2022-06-28 22:14:47 修改

阅读量1k

点赞数 1

分类专栏：深度学习_TensorFlow 文章标签： tensorflow 知识图谱深度学习

于 2022-06-17 15:54:21 首次发布

本文链接：https://blog.csdn.net/d_eng_/article/details/125334262

版权

⚽开发平台：jupyter lab

🎈运行环境：python3、tensorflow2.x

第2章 tensorflow和keras快速入门 | 使用ResNet作为特征提取层建立模型）

1. 使用ResNet作为特征提取层实现一个二分类目标分类器 - 程序部分
- 1.1 程序2.13(完整代码)
- 1.1 程序2.14(完整代码)
2.知识点
- 2.1 ResNet50模型在Keras中的源码定义

1. 使用ResNet作为特征提取层实现一个二分类目标分类器 - 程序部分

1.1 程序2.13(完整代码)

import tensorflow as tf
resnet_layer = tf.keras.applications.resnet50.ResNet50(weights='imagenet',include_top =False,pooling = False)    ### 载入resnet模型和参数

## 使用全局池化层进行数据压缩
flatten_layer = tf.keras.layers.GlobalAveragePooling2D()
drop_out_player  = tf.keras.layers.Dropout(0.1)