Tensorflow2.0 keras MobileNet 代码实现

最新推荐文章于 2024-06-03 09:47:32 发布

原创

最新推荐文章于 2024-06-03 09:47:32 发布 · 1.7k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #神经网络 #深度学习 #卷积神经网络

本文介绍了使用TensorFlow2.0的Keras搭建MobileNet模型，涉及迁移学习和自定义Block，包括标准的3x3卷积及Depthwise Separable卷积，展示了网络结构和参数配置。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

迁移学习

依旧看看标准答案

import  tensorflow as tf
from    tensorflow import keras

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

在这里插入图片描述

自编程序

Block

一个是标准的3x3卷积block，另一个就是Depthwise Separable block
在这里插入图片描述

import  tensorflow as tf
from    tensorflow import keras
import tensorflow.keras.backend as K
from    tensorflow.keras import layers, models, Sequential, backend
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout, BatchNormalization, Activation, GlobalAveragePooling2D
from tensorflow.keras.layers import Concatenate, Lambda, Input, ZeroPadding2D, AveragePooling2D, DepthwiseConv2D, Reshape


def depthwise_separable_block(x, nb_filter, stride=(1, 1), name=None):

    x = DepthwiseConv2D((3,3), padding='same', strides=stride, depth_multiplier=1, use_bias=False, name=name+'_dpconv')(x)
    x = BatchNormaliza