![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow2.0学习记录
文章平均质量分 50
流影暗袭
这个作者很懒,什么都没留下…
展开
-
CNN网络简单优化,以VGG16为例
优化常用经验方法1、调低学习率(或按迭代次数衰减)2、调整参数的初始化方法3、调整输入数据的标准化方法4、修改Loss函数5、增加正则化6、使用BN/GN层(中间层数据的标准化)7、使用dropoutVGG16网络结构以下代码仅对第一个Conv2D进行了调整,增加了L2正则化,BN层与Dropout层,后面的的Conv2D均可进行相应调整model = keras.models.Sequential()# 优化 增加L2正则化model.add(keras.layers.Conv2原创 2021-04-05 16:47:19 · 3166 阅读 · 0 评论 -
python网络模型的保存与加载
这里写目录标题方法一 仅保存权重方法二 保存网络方法三 SavedModel方法一 仅保存权重网络结构需与之前网络保持一致,利用model.load_weights()实现。model.save_weights('weights.ckpt')# 删除网络模型del model# 构建网络模型model = tf.keras.Sequential([ tf.keras.layers.Dense(256, activation='relu'), tf.keras.layers.D原创 2021-04-04 21:34:14 · 543 阅读 · 0 评论 -
tf.keras CNN网络搭建笔记
tf.keras CNN网络搭建笔记这里写目录标题tf.keras CNN网络搭建笔记基本流程,以LeNet为例创建Sequential模型配置模型的学习流程数据预处理模型训练与验证其他操作自定义卷积层基本流程,以LeNet为例创建Sequential模型创建Sequential模型,并添加相应神经层model = tf.keras.Sequential([ # 卷积核数量为6,大小为3*3 keras.layers.Conv2D(6, 3), # strides步长原创 2021-04-04 21:04:51 · 625 阅读 · 0 评论