本文总结了在Keras中提取Bottleneck特征时遇到的问题及解决方案。作者指出，提取特征时无需进行compile和fit，因为这会导致得到的是预测输出y_pred而非所需的Bottleneck特征。正确的流程是，输入5000 * 32*32*3的数据，通过模型得到5000*8*8*128的Bottleneck特征，然后使用这些特征进行后续的训练。在此阶段，模型才需要进行compile和fit操作。
提取bottleneck小结:
提取bottleneck的时候,遇到了一个大坑,flatten()那里的size貌似总也改不对
后来重新思考,我要做什么?提取bottleneck 特征啊,仅仅是提取特征而已,我为什么要compile,
为什么要fit?model再经过compile和fit 后,再进行predict,得到的是y_pred,而不是我要的bottleneck 了,所以,compile和fit这个过程就不需要的!
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255
X_test /= 255
y_train = to_categorical(y_train, nb_classes)
y_test = to_categorical(y_test, nb_classes)
# 输入维度 :N*32*32*3
x = Input(shape=(32, 32, 3))
y = x
y = Convolution2D(filters=64, kernel_size=3, strides=1, padding='same', activation='relu', kernel_initializer=
最低0.47元/天 解锁文章
4692
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
