眼底图分类（二）初试keras-sequential模型

最新推荐文章于 2024-12-24 10:39:48 发布

原创

最新推荐文章于 2024-12-24 10:39:48 发布 · 1.4k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#keras #医疗人工智能 #sequential

本文介绍了使用keras的sequential模型进行眼底图分类的初步尝试，包括模型构建、训练参数记录和远程服务器上运行代码的注意事项。重点讨论了Sequential模型的使用，History回调记录训练历史，TensorBoard进行可视化，以及EarlyStopping防止过拟合。代码实现链接待更新。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

当图片经历了最naive的预处理后，我决定用最naive的方法跑一遍图像分类的流程。

于是会遇到三个主要突破口：

1. 熟悉keras框架的sequential模型。

2. 熟悉如何在中间记录训练的参数，方便后面debug

3. 熟悉在远程服务器上跑通自己的代码

一. keras的sequential模型初探

1. 最主要的肯定是看它的官方链接咯～讲真无论是安装、还是快速上手，写的真的好。英语不好的话配合google翻译一起用效率更佳～

2. 首先新建一个模型 self.model = Sequential()

3. 然后就可以一层层往里加了，以我的简历模型的第一个block（conv-pool-conv-pool）为例的话就是

def comment_build(self):
        self.model = Sequential()
	#block 1
        self.model.add(Conv2D(32, (3,3),  input_shape=(512, 512, 3), kernel_regularizer=l2(0.01), bias_regularizer=l2(0.01),  padding='same',name='block1_conv1'))
        self.model.add(LeakyReLU(alpha=0.01)) 
        self.model.add(BatchNormalization())
        self.model.add(MaxPooling2D((3, 3), strides=(2, 2), name='block1_pool