Keras快速上手 ——学习笔记（二）利用VGG16网络进行字体识别

无敌的白金之星

于 2018-08-06 20:49:28 发布

阅读量2.8k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： keras学习文章标签： keras快速上手

本文链接：https://blog.youkuaiyun.com/m0_38106113/article/details/81461042

本文介绍如何利用Keras中的VGG16模型进行字体识别，通过迁移学习构建神经网络，探讨导入数据、创建迁移网络及构建神经网络的步骤。并对比了包含与不包含权重的迁移网络在训练参数上的差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用VGG16网络进行字体识别

接下来使用迁移学习的思想，以VGG16作为模板搭建模型，训练识别手写字体。
VGG16模型是基于K.Simonyan和A.Zisserman写的Very Deep Convolutional Networks for Large-Scale Image Recognition，arXiv：1409.1556。

1、导入数据

from keras.applications.vgg16 import VGG16  # VGG16模型
from keras.layers import Input, Flatten, Dense, Dropout  # 搭建卷积神经网络需要的模块，分别为全展开方法，输出层方法，随机失活方法
from keras.models import Model  加载模型类
from keras.optimizers import SGD  # 加载SGD优化函数
from keras.datasets import mnist  # 加载数据集
import cv2  # 加载opencv，用于后期对图像的处理，比如尺寸变换和Channel变换。这些变换是为了使图像满足VGG16所需要的输入格式。
import h5py as h5py  # 数据储存和导出类
import numpy as np  # 必要的东西！

2、创建迁移网络

1、创建不包含权重的VGG_16迁移网络

model_vgg = VGG16(include_top=False, weights='imagenet', input_shape=(224, 224, 3))
model = Flatten(name = 'flatten')(model_vgg.output)
model = Dense(10, activation = "softmax")(model)
model_vgg_mn