Keras - Modèles pré-formés

Dans ce chapitre, nous découvrirons les modèles pré-entraînés dans Keras. Commençons par VGG16.

VGG16

VGG16est un autre modèle pré-formé. Il est également formé à l'aide d'ImageNet. La syntaxe pour charger le modèle est la suivante -

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

La taille d'entrée par défaut pour ce modèle est 224x224.

MobileNetV2

MobileNetV2est un autre modèle pré-formé. Il est également formé uingImageNet.

La syntaxe pour charger le modèle est la suivante -

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

Ici,

alphacontrôle la largeur du réseau. Si la valeur est inférieure à 1, diminue le nombre de filtres dans chaque couche. Si la valeur est supérieure à 1, augmente le nombre de filtres dans chaque couche. Si alpha = 1, le nombre par défaut de filtres du papier est utilisé à chaque couche.

La taille d'entrée par défaut pour ce modèle est 224x224.

InceptionResNetV2

InceptionResNetV2est un autre modèle pré-formé. Il est également formé en utilisantImageNet. La syntaxe pour charger le modèle est la suivante -

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

Ce modèle peut être construit à la fois avec le format de données «channels_first» (canaux, hauteur, largeur) ou le format de données «channels_last» (hauteur, largeur, canaux).

La taille d'entrée par défaut pour ce modèle est 299x299.

InceptionV3

InceptionV3est un autre modèle pré-formé. Il est également formé uingImageNet. La syntaxe pour charger le modèle est la suivante -

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

Ici,

La taille d'entrée par défaut pour ce modèle est 299x299.

Conclusion

Keras est une API de réseau neuronal très simple, extensible et facile à mettre en œuvre, qui peut être utilisée pour créer des applications d'apprentissage en profondeur avec une abstraction de haut niveau. Keras est un choix optimal pour les modèles à penchant profond.