Tensorflow2.0学习（17）：利用resnet50进行迁移学习

利用预训练好的resnet50模型进行迁移训练

• 在下载resnet50模型时出现了域名解析错误，查了好多都不知道怎么解决。
• 总的来看，网络分为了两层：第一层是resnet50的模型，其中包含了很多卷积层与池化层等，并且已经预训练好了权重偏置等。第二层是自定义的全连接层。在训练模型时，设置的是仅训练全连接层，及resnet50_fine_tune.layer[0].trainable = False

实战

# 做卷积的时候所有图片的尺寸应该是一样的
# resnet处理图像都是224*224的
height = 224
width = 224
channels = 3
batch_size = 24
num_classes = 10
# 读取训练数据并作数据增强
# 确定一些读取格式要求
train_datagen = keras.preprocessing.image.ImageDataGenerator(
# 给resnet50预处理图像的函数
preprocessing_function = keras.applications.resnet50.preprocess_input,
# 图片旋转的角度范围，用来数据增强
rotation_range = 40,
# 水平平移
width_shift_range = 0.2,
# 高度平移
height_shift_range = 0.2,
# 剪切强度
shear_range = 0.2,
# 缩放强度
zoom_range = 0.2,
# 水平翻转
horizontal_flip = True,
# 对图片做处理时需要填充图片，用最近的像素点填充
fill_mode = "nearest"
)
# 读取训练数据
train_generator = train_datagen.flow_from_directory(
train_dir,
# 读取后将图片存什么大小 
target_size = (height, width),
batch_size = batch_size,
seed = 7,
shuffle = True,
# label的编码格式：这里为one-hot编码
class_mode = 'categorical')
# 读取验证数据
valid_datagen = keras.preprocessing.image.ImageDataGenerator(
preprocessing_function = keras.applications.resnet50.preprocess_input)
valid_generator = valid_datagen.flow_from_directory(
valid_dir,
# 读取后将图片存什么大小 
target_size = (height, width),
batch_size = batch_size,
seed = 7,
shuffle = False,
# label的编码格式：这里为one-hot编码
class_mode = 'categorical')
train_num = train_generator.samples
valid_num = valid_generator.samples
print(train_num, valid_num)

for i in range(2):
x, y = train_generator.next()
print(x.shape, y.shape)
print(y)

from keras.applications.resnet50 import ResNet50
resnet50_fine_tune = keras.models.Sequential()
# resnet50最后一层有1000类，所以在本例中把最后一层去掉（include_top = False）
# resnet的倒数第二层是一个三维矩阵，所以无法与全连接层连接，故要pooling
# weights = 'imagenet'： 下载一个模型，然后在这个模型的基础上进行训练
# weights = 'None'：从头开始训练
resnet50_fine_tune.add(ResNet50(include_top = False,
pooling = 'avg',
weights = 'imagenet'))
resnet50_fine_tune.add(keras.layers.Dense(num_classes,activation = 'softmax'))
resnet50_fine_tune.layer[0].trainable = False
resnet50_fine_tune.compile(loss="categorical_crossentropy",
optimizer="sgd",
metrics = ["accuracy"])
resnet50_fine_tune.summary()

epochs = 10
# 数据是generator出来的，所以不能直接用fit
history = resnet50_fine_tune.fit_generator(train_generator,
steps_per_epoch = train_num // batch_size,
epochs=epochs,
validation_data = valid_generator,
validation_steps = valid_num // batch_size
)

print(history.history.keys())

def plot_learning_curves(history, label, epochs, min_value, max_value):
data = {}
data[label]=history.history[label]
data['val_'+label]=history.history['val_'+label]
pd.DataFrame(data).plot(figsize=(8, 5))
plt.grid(True)
plt.axis([0, epochs, min_value, max_value])
plt.show()
plot_learning_curves(history, 'accuracy', epochs, 0, 1)
plot_learning_curves(history, 'loss', epochs, 1.5, 2.5)

最后

以上就是愤怒魔镜为你收集整理的Tensorflow2.0学习（17）：利用resnet50进行迁移学习的全部内容，希望文章能够帮你解决Tensorflow2.0学习（17）：利用resnet50进行迁移学习所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。