基于Cifar100数据Alexnet改进（tensorflow版本）

最新推荐文章于 2024-09-25 21:01:33 发布

原创

最新推荐文章于 2024-09-25 21:01:33 发布 · 633 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #机器学习

最近一直要做on device learning ，需要一些基础的例子学习，于是做了一个alexnet ，原始的alexnet虽然在cifar10上面表现不错，但是到了cifar100就不行了，所以稍微改了改代码，增加了batch norm 和 dropout ，后来发现有些过拟合，又对数据做了数据增强，最终为了能在device上面跑转成了tflite版本，具体代码如下：

import numpy as np
import tensorflow as tf

# Load the CIFAR-100 dataset
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.cifar100.load_data()

# Normalize the pixel values between 0 and 1
x_train = x_train.astype('float32') / 255.0
x_test = x_test.astype('float32') / 255.0

# Convert the labels to one-hot encoding
y_train = tf.keras.utils.to_categorical(y_train, 100)
y_test = tf.keras.utils.to_categorical(y_test, 100)

# Define the AlexNet model
model = tf.keras.models.Sequential([

    tf.keras.layers.Conv2D(96, kernel_size=3, activation='relu', input_shape=(32, 32, 3)),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.MaxPooling2D(pool_size=2),
    tf.keras.layers.Dropout(0.25),

    tf.keras.layers.Conv2D(256, kernel_size=3,