- Keras 教程
- Keras - 主頁
- Keras - 介紹
- Keras - 安裝
- Keras - 後端配置
- Keras - 深度學習概述
- Keras - 深度學習
- Keras - 模組
- Keras - 層
- Keras - 自定義層
- Keras - 模型
- Keras - 模型編譯
- Keras - 模型評估和預測
- Keras - 卷積神經網路
- Keras - 使用 MPL 的迴歸預測
- Keras - 使用 LSTM RNN 的時間序列預測
- Keras - 應用
- Keras - 使用 ResNet 模型進行即時預測
- Keras - 預訓練模型
- Keras 有用資源
- Keras - 快速指南
- Keras - 有用資源
- Keras - 討論
Keras - 應用
Keras 應用模組用於為深度神經網路提供預訓練模型。Keras 模型用於預測、特徵提取和微調。本章詳細講解了 Keras 應用。
預訓練模型
訓練模型包含兩個部分:模型架構和模型權重。模型權重大,因此我們必須從 ImageNet 資料庫下載並提取特徵。一些流行的預訓練模型如下所示:
- ResNet
- VGG16
- MobileNet
- InceptionResNetV2
- InceptionV3
載入模型
Keras 預訓練模型可以按如下所示輕鬆載入 −
import keras import numpy as np from keras.applications import vgg16, inception_v3, resnet50, mobilenet #Load the VGG model vgg_model = vgg16.VGG16(weights = 'imagenet') #Load the Inception_V3 model inception_model = inception_v3.InceptionV3(weights = 'imagenet') #Load the ResNet50 model resnet_model = resnet50.ResNet50(weights = 'imagenet') #Load the MobileNet model mobilenet_model = mobilenet.MobileNet(weights = 'imagenet')
載入模型後,我們可以立即使用它來進行預測。讓我們在即將到來的章節中檢查每個預訓練模型。
廣告