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中是否确实包含图像，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()

执行上述代码后，输出结果如下：

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

这些 HDF5 数据集将用于训练 GoogLeNet 和后续的 ResNet。

2. DeeperGoogLeNet 架构

2.1 架构差异

我们将使用一种更深层次的 GoogLeNet 变体（DeeperGoogLeNet）在 Tiny ImageNet 数据集上进行训练。与原始的 GoogLeNet 架构相比，主要有以下两个差异：
-