Keras - 預訓練模型

在本章中，我們將學習Keras中的預訓練模型。讓我們從VGG16開始。

VGG16

VGG16是另一個預訓練模型。它也是使用ImageNet訓練的。載入模型的語法如下：

keras.applications.vgg16.VGG16(
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000
)

此模型的預設輸入大小為224x224。

MobileNetV2

MobileNetV2是另一個預訓練模型。它也是使用ImageNet訓練的。

載入模型的語法如下：

keras.applications.mobilenet_v2.MobileNetV2 (
   input_shape = None, 
   alpha = 1.0, 
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   pooling = None, 
   classes = 1000
)

這裡，

alpha控制網路的寬度。如果值小於1，則減少每一層中的濾波器數量。如果值大於1，則增加每一層中的濾波器數量。如果alpha = 1，則在每一層使用論文中的預設濾波器數量。

此模型的預設輸入大小為224x224。

InceptionResNetV2

InceptionResNetV2是另一個預訓練模型。它也是使用ImageNet訓練的。載入模型的語法如下：

keras.applications.inception_resnet_v2.InceptionResNetV2 (
   include_top = True, 
   weights = 'imagenet',
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000)

此模型既可以用“channels_first”資料格式（通道、高度、寬度）構建，也可以用“channels_last”資料格式（高度、寬度、通道）構建。

此模型的預設輸入大小為299x299。

InceptionV3

InceptionV3是另一個預訓練模型。它也是使用ImageNet訓練的。載入模型的語法如下：

keras.applications.inception_v3.InceptionV3 (
   include_top = True, 
   weights = 'imagenet', 
   input_tensor = None, 
   input_shape = None, 
   pooling = None, 
   classes = 1000
)

這裡，

此模型的預設輸入大小為299x299。

結論

Keras是一個非常簡單、可擴充套件且易於實現的神經網路API，可用於構建具有高階抽象的深度學習應用程式。Keras是深度學習模型的最佳選擇。