GoogLeNet 用 tensorflow class model方式实现

最新推荐文章于 2022-10-25 14:36:37 发布

whittet.沉梦昂志

最新推荐文章于 2022-10-25 14:36:37 发布

阅读量179

点赞数

文章标签： tensorflow keras 深度学习人工智能

本文链接：https://blog.csdn.net/m0_49774517/article/details/126100002

版权

本文详细介绍了如何利用TensorFlow框架，结合Keras库，实现经典的GoogLeNet深度学习模型。通过步骤分解，读者将了解每个关键层的构建以及整个模型的整合过程，从而在实践中掌握深度学习模型的构建技巧。

摘要由CSDN通过智能技术生成

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=