Keras - Modelli pre-addestrati

In questo capitolo, impareremo a conoscere i modelli pre-addestrati a Keras. Cominciamo con VGG16.

VGG16

VGG16è un altro modello pre-addestrato. È anche addestrato utilizzando ImageNet. La sintassi per caricare il modello è la seguente:

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

La dimensione di input predefinita per questo modello è 224x224.

MobileNetV2

MobileNetV2è un altro modello pre-addestrato. È anche addestrato uingImageNet.

La sintassi per caricare il modello è la seguente:

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

Qui,

alphacontrolla la larghezza della rete. Se il valore è inferiore a 1, diminuisce il numero di filtri in ogni livello. Se il valore è superiore a 1, aumenta il numero di filtri in ogni livello. Se alpha = 1, il numero predefinito di filtri dalla carta viene utilizzato in ogni strato.

La dimensione di input predefinita per questo modello è 224x224.

InceptionResNetV2

InceptionResNetV2è un altro modello pre-addestrato. È anche addestrato usandoImageNet. La sintassi per caricare il modello è la seguente:

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

Questo modello e può essere costruito sia con il formato dati 'channels_first' (canali, altezza, larghezza) che con il formato dati 'channels_last' (altezza, larghezza, canali).

La dimensione di input predefinita per questo modello è 299x299.

InceptionV3

InceptionV3è un altro modello pre-addestrato. È anche addestrato uingImageNet. La sintassi per caricare il modello è la seguente:

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

Qui,

La dimensione di input predefinita per questo modello è 299x299.

Conclusione

Keras è un'API di rete neurale molto semplice, estensibile e facile da implementare, che può essere utilizzata per creare applicazioni di deep learning con astrazione di alto livello. Keras è una scelta ottimale per i modelli inclinati in profondità.