Keras - modelos pré-treinados

Neste capítulo, aprenderemos sobre os modelos pré-treinados em Keras. Vamos começar com VGG16.

VGG16

VGG16é outro modelo pré-treinado. Ele também é treinado usando ImageNet. A sintaxe para carregar o modelo é a seguinte -

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

O tamanho de entrada padrão para este modelo é 224x224.

MobileNetV2

MobileNetV2é outro modelo pré-treinado. Também é treinado uingImageNet.

A sintaxe para carregar o modelo é a seguinte -

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

Aqui,

alphacontrola a largura da rede. Se o valor estiver abaixo de 1, diminui o número de filtros em cada camada. Se o valor estiver acima de 1, aumenta o número de filtros em cada camada. Se alfa = 1, o número padrão de filtros do papel é usado em cada camada.

O tamanho de entrada padrão para este modelo é 224x224.

InceptionResNetV2

InceptionResNetV2é outro modelo pré-treinado. Ele também é treinado usandoImageNet. A sintaxe para carregar o modelo é a seguinte -

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

Este modelo pode ser construído tanto com o formato de dados 'channels_first' (canais, altura, largura) ou formato de dados 'channels_last' (altura, largura, canais).

O tamanho de entrada padrão para este modelo é 299x299.

InceptionV3

InceptionV3é outro modelo pré-treinado. Também é treinado uingImageNet. A sintaxe para carregar o modelo é a seguinte -

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

Aqui,

O tamanho de entrada padrão para este modelo é 299x299.

Conclusão

Keras é uma API de rede neural muito simples, extensível e fácil de implementar, que pode ser usada para construir aplicativos de aprendizagem profunda com abstração de alto nível. Keras é a escolha ideal para modelos de inclinação profunda.