Keras - Modelos pre-entrenados

En este capítulo, aprenderemos sobre los modelos entrenados previamente en Keras. Comencemos con VGG16.

VGG16

VGG16es otro modelo previamente entrenado. También está capacitado con ImageNet. La sintaxis para cargar el modelo es la siguiente:

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

El tamaño de entrada predeterminado para este modelo es 224x224.

MobileNetV2

MobileNetV2es otro modelo previamente entrenado. También está entrenado uingImageNet.

La sintaxis para cargar el modelo es la siguiente:

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

Aquí,

alphacontrola el ancho de la red. Si el valor es inferior a 1, disminuye el número de filtros en cada capa. Si el valor es superior a 1, aumenta el número de filtros en cada capa. Si alfa = 1, el número predeterminado de filtros del papel se utiliza en cada capa.

El tamaño de entrada predeterminado para este modelo es 224x224.

InceptionResNetV2

InceptionResNetV2es otro modelo previamente entrenado. También se entrena usandoImageNet. La sintaxis para cargar el modelo es la siguiente:

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

Este modelo se puede construir tanto con el formato de datos 'channels_first' (canales, alto, ancho) como con el formato de datos 'channels_last' (alto, ancho, canales).

El tamaño de entrada predeterminado para este modelo es 299x299.

InceptionV3

InceptionV3es otro modelo previamente entrenado. También está entrenado uingImageNet. La sintaxis para cargar el modelo es la siguiente:

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

Aquí,

El tamaño de entrada predeterminado para este modelo es 299x299.

Conclusión

Keras es una API de red neuronal muy simple, extensible y fácil de implementar, que se puede usar para construir aplicaciones de aprendizaje profundo con abstracción de alto nivel. Keras es una opción óptima para modelos de inclinación profunda.