Keras: AlexNet代码分享

Keras: AlexNet代码分享

from keras.models import Sequential
from keras.layers import Convolution2D, MaxPool2D, Flatten, Dense, Dropout
from keras.layers.normalization import BatchNormalization
from keras.models import load_model
from keras.preprocessing.image import load_img, img_to_array, array_to_img, ImageDataGenerator
from keras.optimizers import SGD

num_class = 0

model = Sequential()

'''第一个和第二个模块'''
# 第一层卷积层
model.add(Convolution2D(input_shape= (227,227,3), filters= 96, kernel_size= 11, strides= 4, padding= 'valid', activation= 'relu'))
# 第一层池化层
model.add(MaxPool2D(pool_size= 3, strides= 2, padding= 'valid'))

# 第二层卷积层
model.add(Convolution2D(filters= 256, kernel_size= 5, strides= 1, padding= 'same', activation= 'relu'))
# 第二层池化层
model.add(MaxPool2D(pool_size= 3, strides= 2, padding= 'valid'))

'''第三个和第四个模块'''
# 第三层卷积层
model.add(Convolution2D(filters= 384, kernel_size= 3, strides=1, padding= 'same', activation= 'relu'))
# 第四层卷积层
model.add(Convolution2D(filters= 384, kernel_size= 3, strides=1, padding= 'same', activation= 'relu'))

'''第五个模块'''
# 第五层层卷积层
model.add(Convolution2D(filters= 256, kernel_size= 3, strides= 1, padding= 'same', activation= 'relu'))
# 第三层池化层
model.add(MaxPool2D(pool_size= 3, strides= 2, padding= 'valid'))

'''第六、七、八个模块'''
# 一些全连接层
# keras.backend.flatten(x) 展平一个张量。 参数 x : 张量或变量。 返回 一个重新调整为 1D 的张量。
# 将前五层卷积模块的输出结果展平为一维，整合特征，作为全连接层的输入
model.add(Flatten())
model.add(Dense(4096, activation= 'relu'))
# 加入了批归一化，便于训练
model.add(BatchNormalization())

model.add(Dense(4096, activation= 'relu'))
model.add(BatchNormalization())
# 引入了Dropout防止过拟合
model.add(Dropout(0.5))

model.add(Dense(num_class, activation= 'softmax'))
model.add(BatchNormalization())
model.add(Dropout(0.5))

model.summary()