Keras中的預(yù)訓(xùn)練模型怎么使用

小億
100
2024-03-19 13:05:36

在Keras中使用預(yù)訓(xùn)練模型有兩種常見的方法：遷移學(xué)習(xí)和模型微調(diào)。

  1. 遷移學(xué)習(xí)： 遷移學(xué)習(xí)是指使用預(yù)訓(xùn)練模型的特征提取器來(lái)提取新數(shù)據(jù)集的特征，并將這些特征輸入到自定義的分類器中進(jìn)行訓(xùn)練。在Keras中，可以通過加載預(yù)訓(xùn)練模型的權(quán)重并凍結(jié)其所有層來(lái)實(shí)現(xiàn)遷移學(xué)習(xí)。下面是一個(gè)示例代碼：
from keras.applications import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D

# 加載ResNet50預(yù)訓(xùn)練模型
base_model = ResNet50(weights='imagenet', include_top=False)

# 添加自定義的分類層
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x)
predictions = Dense(num_classes, activation='softmax')(x)

model = Model(inputs=base_model.input, outputs=predictions)

# 凍結(jié)預(yù)訓(xùn)練模型的所有層
for layer in base_model.layers:
    layer.trainable = False

# 編譯模型并訓(xùn)練
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit_generator(...)
  1. 模型微調(diào)： 模型微調(diào)是指解凍預(yù)訓(xùn)練模型的一部分層，并重新訓(xùn)練這些層以適應(yīng)新數(shù)據(jù)集。在Keras中，可以通過解凍預(yù)訓(xùn)練模型的部分層來(lái)實(shí)現(xiàn)模型微調(diào)。下面是一個(gè)示例代碼：
# 解凍預(yù)訓(xùn)練模型的部分層
for layer in model.layers[:100]:
    layer.trainable = False
for layer in model.layers[100:]:
    layer.trainable = True

# 編譯模型并繼續(xù)訓(xùn)練
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit_generator(...)

通過這兩種方法，您可以靈活地使用預(yù)訓(xùn)練模型，并根據(jù)自己的需求進(jìn)行遷移學(xué)習(xí)或模型微調(diào)。

0 踩