在凯拉斯定义模型

Question

我是深度学习和凯拉斯的新手。什么是预训练权重初始化权重='imagenet'是什么意思用于在Keras中定义模型？

ResNet50(weights='imagenet') 

谢谢！

Answer 1

此代码行创建一个名为ResNet50的网络体系结构（您可以找到关于它的更多信息here）。 weights='imagenet'使得Keras加载该网络的权重，该网络已经在imagenet数据集上接受过培训。没有这些信息，Keras只能够准备网络架构，但不能将任何权重设置为“好”值，因为它不知道模型的用途。这是通过指定数据集来确定的。

如果您正在使用其他数据集，那么您将该模型用作预先训练的模型。你可以找到关于这种技术的更多信息here;但总体思路是：在模型已经在任何复杂（图像）数据集上进行训练之后，它将在其最低层（大部分时间：卷积）中学习以检测非常基本的特征，例如边缘，拐角等这有助于模型学习更快地分析自己的数据集，因为它不必再学习检测这些基本特征。

Answer 2

以下@FlashTek答案，我们也可以在我们的数据集上训练这个模型。

请看下面的代码：

model = applications.ResNet50(weights = "imagenet", include_top=False, 
input_shape = (img_width, img_height,3)) 


# Freeze the layers which you don't want to train. Here I am freezing the first 30 layers. 
for layer in model.layers[0:30]: 
    layer.trainable = False 

for layer in model.layers[30:]: 
    layer.trainable = True 

#Adding custom Layers 
x = Flatten()(model.output) 
# x = Dense(1024, activation="relu")(x) 
# x = Dropout(0.5)(x) 
# x = Dense(1024, activation="relu")(x) 
# x = Dropout(0.5)(x) 
x = Dense(1024, activation="relu")(x) 
predictions = Dense(2, activation="softmax")(x) 

在上面的代码中，我们可以是指定我们如何RESNET的许多层对我们的训练数据集通过分配layer.trainable是真就训练它你的数据集或否则为false。

除此之外的，我们也可以在网络后，如图添加自定义层