15、在Tiny ImageNet上使用DeeperGoogLeNet进行图像分类

在Tiny ImageNet上使用DeeperGoogLeNet进行图像分类

1. 数据准备

在脚本执行完成后， hdf5 目录下会生成三个文件： train.hdf5 、 val.hdf5 和 test.hdf5 。可以使用 h5py 库来验证这些数据集是否确实包含图像，示例代码如下：

import h5py
filenames = ["train.hdf5", "val.hdf5", "test.hdf5"]
for filename in filenames:
    db = h5py.File(filename, "r")
    print(db["images"].shape)
    db.close()

运行上述代码后，输出结果如下：

(90000, 64, 64, 3)
(10000, 64, 64, 3)
(10000, 64, 64, 3)

这些HDF5数据集表示将用于训练GoogLeNet和后续的ResNet。

2. DeeperGoogLeNet架构

接下来，我们将使用一个更深层次的GoogLeNet变体在Tiny ImageNet数据集上进行训练。这个变体更接近Szegedy等人的实现，使用了原始的Inception模块，有助于理解原始架构并在未来自行实现。

我们的实现与Szegedy等人在