本文介绍了如何使用TensorFlow构建MobileNet模型，详细阐述了工作流程、MobileNet块的构建，包括导入图层、定义MobileNet块的辅助函数，并展示了模型的主干结构。MobileNet以其高效和小型化的特点，适合在资源有限的设备上运行。
在此之前，我已经讨论了MobileNet的体系结构:https://towardsdatascience.com/understanding-depthwise-separable-convolutions-and-the-efficiency-of-mobilenets-6de3d6b62503
接下来，我们将看到如何使用TensorFlow从头开始实现这个架构。
实现：
MobileNet架构：
图显示了我们将在代码中实现的MobileNet体系结构。网络从Conv、BatchNorm、ReLU块开始，并从其上跟随多个MobileNet块。它最终以一个平均池和一个完全连接的层结束，并激活Softmax。
我们看到该体系结构有一个模式——Conv-dw/s1，后跟Conv/s1，依此类推。这里dw是深度层和步幅数，然后是Conv层和步幅数。这两条线是MobileNet区块。
“Filter Shape”列给出了核大小和要使用的滤波器数量的详细信息。列的最后一个数字表示滤波器的数量。我们看到滤波器数量从32逐渐增加到64，从64逐渐增加到128，从128逐渐增加到256，以此类推。
最后一列显示了随着我们深入网络，图像的大小是如何变化的。输入大小选择为224*224像素，有3个通道，输出层分类为1000类。
正常CNN架构块之间的差异（左），与MobileNet架构（右）：
构建网络时需要记住的几件事：
所有层之后都是批量标准化和ReLU非线性。
与具有Conv2D层的普通CNN模型不同，MobileNet具有Depthwise Conv层，如图所示。为了更好地理解这一层，请参考:https://towardsdatascience.com/understanding-depthwise-separable-convolutions-and-the-efficiency-of-mobilenet
最低0.47元/天 解锁文章
扫一扫
2893
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
