tensorflow中使用预训练模型进行微调

最新推荐文章于 2025-07-15 14:59:03 发布

原创

最新推荐文章于 2025-07-15 14:59:03 发布 · 1.5k 阅读

6 ·

CC 4.0 BY-SA版权

本文介绍了如何在TensorFlow中利用预训练模型进行微调。首先，讲解了定义模型的步骤，接着详细阐述了模型微调的过程，旨在帮助读者掌握在实际项目中有效利用预训练模型提升性能的方法。

预训练模型进行微调

定义模型

class MyModel(tf.keras.Model):

    def __init__(self, height=None,width=None,channel=None):
        super(MyModel,self).__init__()

        self.inputshape = tf.keras.layers.InputLayer(input_shape=(height,width,channel))

        # self.resnet50 = tf.keras.applications.ResNet50(include_top=False,
        #                                                weights="imagenet",
        #                                                input_shape=(height,width,channel),
        #                                                )
        #
        #


        self.effnet = tfkeras.EfficientNetB0(
                include_top=False,
                weights='imagenet',
                input_shape=(height,width,channel)
        )
        self.pool = tf.keras.layers.GlobalAveragePooling2D(name="GlobalAP")
        self.dense3 = tf.keras.layers.Dense(512,activation="relu",kernel_initializer="he_normal")
        self.dense4 = tf.keras