Tensorflow2.0 基于ResNet18的CIFAR10图片分类

前言

Tensorflow2.0的学习笔记，教材基于开源的https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book。非原创，不要杠。

备注

1. 数据集CIFAR10，tf模块自带下载该模块功能，详情见代码
2. 模型ResNet18，也可自己修改参数，可实现更深层次的网络
3. 理论自行搜索

一些随笔

# 关于自定义层
class MyDense(layers.Layer):
    def __init__(self,in_dim,out_dim):
        super(MyDense, self).__init__()
        # self.kernel = self.add_variable('w',[in_dim,out_dim],trainable=True)
        # self.add_variable会返回张量𝑾的Python 引用，而变量名name 由TensorFlow 内部维护
        # 不过我觉得用add_variable显得接口混乱，还是喜欢用如下的tf.Variable
        self.kernel = tf.Variable(tf.random.normal([in_dim, out_dim]),trainable=True)

    def call(self,inputs,training=None):
        out = inputs@self.kernel
        out = tf.nn.relu(out)
        return out

net = MyDense(4,3)
print(net.trainable_variables,'\n',net.trainable_variables)
# 简单看看该layer的结构

ResNet18的实现

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import Sequential, layers, losses, optimizers, metrics


gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
    try:
        for gpu in gpus:
            tf.config.experimental.set_memory_growth(gpu, True)
    except RuntimeError as e:
        print(e)
# 设置显存增长式占用
def preprocess(x, y):
    # 预处理数据
    x = 2*tf.cast(x, dtype=tf.float32) / 255.-1
    # 图像数据归一化
    y = tf.squeeze(y, axis=1)
    # 删除y的第二个维度，为啥，看一下数据集就知道
    y = tf.cast(y, dtype=tf.int32)
    # 转为int32，tf的数据格式自动转换似乎不太理想，可能是为了避免出错吧
    return x,y