GoogLeNet 用 tensorflow class model方式实现

import tensorflow as tf
import keras.layers
import keras.models

# 构建Inception模块
class Inception(keras.Model):
    def __init__(self, c1, c2, c3, c4):
        super().__init__()
        self.p1 = keras.layers.Conv2D(c1, [1, 1], strides=1, activation='relu', padding="same")
        self.p2_1 = keras.layers.Conv2D(c2[0], [1, 1], strides=1, activation='relu', padding="same")
        self.p2_2 = keras.layers.Conv2D(c2[1], [3, 3], strides=1, activation='relu', padding="same")
        self.p3_1 = keras.layers.Conv2D(c3[0], [1, 1], strides=1, activation='relu', padding="same")
        self.p3_2 = keras.layers.Conv2D(c3[1], [5, 5], strides=
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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