迁移学习实例

最新推荐文章于 2025-03-07 19:33:05 发布

整得咔咔响

最新推荐文章于 2025-03-07 19:33:05 发布

阅读量3.6k

点赞数 3

文章标签： tensorflow 深度学习 python 人工智能迁移学习

本文链接：https://blog.csdn.net/qq_27388259/article/details/120540776

版权

本文通过一个实例详细阐述了如何使用TensorFlow进行迁移学习，包括获取预训练模型、加载数据、冻结模型参数、修改输出类别器、定义损失函数和优化器，以及训练和验证模型的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上一篇我们介绍了迁移学习的核心思想和流程，我们介绍一个实例来加深理解。

传送门：迁移学习概述

获取预训练模型

pytorch和tensorflow都封装了很多预训练模型。

pytorch通过工具包torchvision.models模块获取，主要包括AlexNet、VGG系列、

ResNet系列、SqueezeNet和DenseNet等，通过设置参数pretrained=True即可获取。而Tensorflow内置在keras.application里面，当然，也可以通过TensorFlowHub网站自行下载。

from tensorflow.keras.applications import vgg16,resnet
from torchvision.models import AlexNet,VGG,ResNet
from torchvision.models import SqueezeNet,DenseNet

一个实例

下面通过一个例子对迁移学习有个感性的认识。预训练模型采用retnet18网络，一共分为八大步骤。

注：代码均来源于《深入浅出Embedding》第三章

1.导入模块

import torch
from torch import nn
import torch.nn.functional as F
import torchvision
import torchvision.transforms as transforms
from torchvision import models
from torchvision.datasets import ImageFolder
from datetime import datetime

2.加载数据

加载相关数据集,首次下载需要将download设置为True，此外，还对数据做了一些预处理，标准化、图片裁剪等。