博主分享了如何使用Keras中的VGG19模型在kaggle的state-farm-distracted-driver-detection数据集上进行分类任务。由于遇到Xception模型在初步训练时的过拟合问题，选择了VGG19，该模型没有出现过拟合现象。文章详细描述了数据准备过程，包括从kaggle下载数据、创建验证集，并使用ImageDataGenerator处理数据。最后，博主提到谷歌Colab作为训练平台的便利性和不稳定性。
最近闲来无事，用Keras写了个分类程序将VGG19应用于kaggle数据state-farm-distracted-driver-detection。本来想用Xception模型的。但是发现只要使用Xception模型，基于imagenet训练好的权重fine tune在第一个epoch必然会过拟合，不知道怎么解决。使用了VGG19就没有这个问题。
首先从kaggle上把数据下载下来。然后解压，能拿到两个文件夹：train和test。train下又有10个文件夹，c0-c9代表10类。跟train和test同级建立valid文件夹，再在valid文件夹下建立c0-c9十个文件夹。因为我机器没法把所有数据都读到内存里面，只能用ImageDataGenerator。将train下的c0-c9中的图片拷贝一部分到valid对应的文件夹下，见下面的ipython notebook脚本
!mv data/train/c0/img_1*.jpg data/valid/c0
!mv data/train/c1/img_1*.jpg data/valid/c1
!mv data/train/c2/img_1*.jpg data/valid/c2
!mv 
最低0.47元/天 解锁文章
扫一扫
2498
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
