深度学习：借用vgg的模型进行建模

龙寻天下

于 2022-11-22 00:23:37 发布

阅读量410

点赞数

文章标签：深度学习人工智能 python

本文链接：https://blog.csdn.net/weixin_50663922/article/details/127975124

版权

本文探讨了如何在深度学习中应用VGG模型，深入解析了利用VGG模型进行建模的过程，适合对深度学习和人工智能感兴趣的Python开发者阅读。

摘要由CSDN通过智能技术生成

vgg = tf.keras.applications.VGG16(include_top = False,input_shape=(256,256,3))
for i in vgg.layers:
    i.trainable = False

a1 = tf.keras.Model(inputs=vgg.input,outputs=vgg.get_layer('block1_conv2').output).output
print(a1.shape)
a2 = tf.keras.Model(inputs=vgg.input,outputs=vgg.get_layer('block2_conv2').output).output
print(a2.shape)
a3 = tf.keras.Model(inputs=vgg.input,outputs=vgg.get_layer('block3_conv2').output).output
print(a3.shape)
a4 = tf.keras.Model(inputs=vgg.input,outputs=vgg.get_layer('block4_conv2').output).output
print(a4.shape)
a5 = tf.keras.Model(inputs=vgg.input,outputs=vgg.get_layer('block5_conv2').output).output
print(a5.shape)
print()

b5 = tf.keras.layers.Conv2DTranspose(512,2,strides =2,padding = 'same')(a5)
print(b5.shape)
c5 = tf.keras.layers.concatenate([a4,b5],ax