TensorFlow2迁移学习实战(九):搭建残差网络ResNet-101,实现对花的精准分类

TensorFlow2迁移学习实战(九):搭建残差网络ResNet-101,实现对花的精准分类快速训练残差网络ResNet-101,完成图像分类与预测,精度高达98%!


Jetbrains全系列IDE稳定放心使用

写在前面:大家好!我是【AI 菌】,一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源! 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣,可以关注我的动态,我们一起学习,一起进步~
我的博客地址为:【AI 菌】的博客
我的Github项目地址是:【AI 菌】的Github

前言:
  熟悉我的博友都知道,最近我在写一个《TF2.0深度学习实战:图像分类/目标检测》的小白教程。但是就在上一期实现ResNet的过程中,由于电脑性能原因,我不得不选择层数较少的ResNet-18进行训练。但是很快我发现,虽然只有18层,传统的训练方法仍然很耗时,甚至难以完成对101层的ResNet-101的训练。
  出于这个原因,这一次,我将采用一种巧妙的方法——迁移学习来实现。即在预训练模型的基础上,采用101层的深度残差网络ResNet-101,对如下图所示的花数据集进行训练,<

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/185042.html原文链接:https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号