什么是預訓練網絡

一個常用、高效的在小圖像數據集上深度學習的方法就是利用預訓練網絡。一個預訓練網絡只是簡單的儲存了之前在大的數據集訓練的結果，通常是大的圖像分類任務。如果原始的數據集已經足夠大，足夠一般，通過預訓練學習到的空間上的特征層次結構就能有效地在我們的模型中工作，因此這些特征對許多計算機視覺問題都很有用，盡管這些新問題和原任務相比可能涉及完全不同的類別。

Keras內置預訓練網絡 Keras庫中包含

• VGG16、VGG19、
• ResNet50、
• Inception v3、
• Xception等經典的模型架構。

ImageNet是一個手動標注好類別的圖片數據庫(為了機器視 覺研究)，目前已有22,000個類別。ImageNet項目是一個用于視覺對象識別軟件研究的大型可視化數據庫。超過1400萬的圖像URL被ImageNet手動注釋，以指示圖片中的對象;在至少一百萬個圖像中，還提供了邊界框。ImageNet包含2萬多個類別; [2]一個典型的類別，如“氣球”或“草莓”，包含數百個圖像。第三方圖像URL的注釋數據庫可以直接從ImageNet免費獲得;但是，實際的圖像不屬于ImageNet。自2010年以來，ImageNet項目每年舉辦一次軟件比賽，即ImageNet大規模視覺識別挑戰賽（ILSVRC），軟件程序競相正確分類檢測物體和場景。 ImageNet挑戰使用了一個“修剪”的1000個非重疊類的列表。2012年在解決ImageNet挑戰方面取得了巨大的突破，被廣泛認為是2010年的深度學習革命的開始。

VGG16與VGG19

在2014年，VGG模型架構由Simonyan和Zisserman提出， 在“極深的大規模圖像識別卷積網絡”（Very Deep Convolutional Networks for Large

總結

以上是生活随笔為你收集整理的keras从入门到放弃(十六）内置预训练网络VGG的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。