本章介绍了Keras中预先训练的五种用于图像分类的CNN模型，包括VGG16、VGG19、ResNet50、InceptionV3和Xception。这些模型在ImageNet数据集上预训练，能识别1000个物体类别。通过预训练的模型，可以快速对自定义图像进行分类，无需大量训练。本章还展示了如何使用这些模型对图像进行分类的Python代码示例。
第一卷 第二十章 用于分类的开箱即用的CNN
到目前为止，我们已经学会了如何从头开始训练我们自己的自定义卷积神经网络。这些CNN中的大多数都处于更浅的一面（并且在较小的数据集上），因此它们可以在我们的CPU上轻松训练，而无需求助于更多昂贵的GPU，它使我们能够掌握神经网络和深度学习的基础知识，而不必掏空口袋。
然而，因为我们一直在处理更浅的网络和更小的数据集，所以我们无法充分利用深度学习为我们提供的分类能力。幸运的是，Keras库附带了五个经过预训练的CNN在ImageNet数据集上：
VGG16
VGG19
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
