TensorFlow Keras 使用Inception-resnet-v2模型训练自己的分类数据集（含源码）

最新推荐文章于 2022-05-14 20:14:58 发布

weixin_43640369

最新推荐文章于 2022-05-14 20:14:58 发布

阅读量4.8k

点赞数 2

分类专栏：深度学习随笔 TensorFlow 文章标签： Inception-resnet-v2 TensorFlow Keras 深度学习

本文链接：https://blog.csdn.net/weixin_43640369/article/details/97371648

版权

本文档介绍了如何利用TensorFlow 1.13.1和TensorFlow.Keras 2.2.4-tf，在Inception-resnet-v2模型上训练自定义分类数据集。数据读取通过TensorFlow的Dataset类完成，不需要转换为TFRecord格式。需要注意的是，由于模型复杂度，建议使用GPU进行训练。附带源码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TensorFlow Keras 使用Inception-resnet-v2模型训练自己的分类数据集（含源码）

运行环境

TensorFlow 1.13.1
TensorFlow.Keras 2.2.4-tf

简单介绍

使用TensorFlow自带的Inception-resnet-v2模型训练自己的数据集。数据读取用的是TensorFlow自己的Dataset类，且无需转存成TFrecord格式。使用TensorFlow中的Keras，简单易懂，容易上手

注意事项

先准备好一个分类数据集
使用GPU训练（用CPU应该训练不动Inception-resnet-v2模型，如果没有GPU你可以换成TensorFlow现有的其他模型，但代码需要进行一定的改动）

源码

废话不多说，上源码。
DATA_PATH放数据集路径

ds = ds.prefetch(buffer_size=10*BATCH_SIZE)

这一句用于预读取数据，用的时候注意下CPU和内存，特别是内存，如果百分之九十多了就把程序关了（友情提示Ctrl+C可关闭程序），把这句话注释掉再跑

mport pathlib
import random
import tensorflow as tf

# 训练数据集路径
DATA_PATH = 'E:\dataset'
# 一个批次的大小
BATCH_SI

最低0.47元/天解锁文章