tensorflow2.0 Keras VGG16 VGG19 系列代码实现

最新推荐文章于 2025-10-11 08:35:11 发布

原创

最新推荐文章于 2025-10-11 08:35:11 发布 · 5.4k 阅读

43 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #神经网络 #卷积神经网络

该博客详细介绍了如何使用TensorFlow2.0和Keras实现VGG16及VGG19模型。内容包括VGG16模型的迁移学习和自建模型过程，以及VGG19模型的结构增强，增加了额外的卷积层。

模型介绍参看：博文
在这里插入图片描述

VGG16

迁移模型

先看看标准答案

import  tensorflow as tf
from    tensorflow import keras

base_model = keras.applications.VGG16(weights='imagenet')
base_model.summary()

在这里插入图片描述

自建模型

import  tensorflow as tf
from    tensorflow import keras
from    tensorflow.keras import layers, models, Input
from    tensorflow.keras.models import Model
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout

def VGG16(nb_classes, input_shape):
    input_tensor = Input(shape=input_shape)
    # 1st block
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='conv1a')(input_tensor)
    x = Conv2D(64, (3,3), activation='relu', padding='same',name='conv1b')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'pool1')(x)
    # 2nd block
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='conv2a')(x)
    x = Conv2D(128, (3,3), activation='relu', padding='same',name='conv2b')(x)
    x = MaxPooling2D((2,2), strides=(2,2), name = 'pool2')(x)
    # 3rd block
    x = Conv2D(256, (3,3), activation='relu', padding='same',name='conv3a')(x)
    x = Conv2D(256