【3】Keras.applications包，一堆可以复用的深度学习模型库

最新推荐文章于 2024-03-24 09:34:49 发布

DrCrypto

最新推荐文章于 2024-03-24 09:34:49 发布

阅读量5.9k

点赞数 10

分类专栏： Keras

本文链接：https://blog.csdn.net/u011240016/article/details/83826246

版权

Keras.applications提供了一系列预训练的深度学习模型，如ResNet50和VGG16，适用于预测、特征提取和微调。预训练权重在实例化时自动下载。在图像识别任务中，模型如Xception、VGG19等可用于特征提取和预测。使用模型时，需要进行预处理，并可以选择是否保留全连接层以作为特征提取器。通过指定层的名字，可以获取模型中任意层的输出，实现灵活的特征提取操作。

摘要由CSDN通过智能技术生成

Applications包里有很多深度学习经典模型，且有预训练好的权重。

这些模型可以轻松用于：

预测
特征提取
微调

这些预训练权重会在实例化模型时自动下载，且放置在~/.keras/models文件夹下。

对于图像识别任务，有下面这些模型可用：

Keras相当于前端，后端会用Tensorflow，PyTorch等运行，配置Keras的文件是~/.keras/keras.json，示例内容如下：

{
   
    "floatx": "float32",
    "epsilon": 1e-07,
    "backend": "tensorflow",
    "image_data_format": "channels_last"
}

上面这个文件里有个参数image_data_format表示图片格式，指定为通道最后时，图片格式就是Height-Width-Depth这样的顺序。

第一个示例：使用ResNet50识别大象

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50