ResNet实现150层的深度神经网络图像识别

本文链接：https://blog.youkuaiyun.com/qq_35083093/article/details/79248885

本文介绍如何使用ResNet构建一个150层的深度神经网络，解决传统网络因梯度问题难以加深的问题。该模型应用于手势识别任务，数据集链接已提供，需下载并置于代码路径下，适用于Python3.7环境。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

传统的神经网络很难做的很深，因为会发生梯度爆炸或梯度消失，导致难以收敛。

ResNet中各层中有一些“捷径”，这使得层数可以做的很多，本文实现了一个150层的神经网络，用于识别手势的图像，训练时间也可以接受。

数据集下载地址：http://pan.baidu.com/s/1bpo8DEv

把数据集下载后放在代码路径下才可运行此程序，博主的环境是Pycharm，python3.7

import numpy as np
from keras import layers
from keras.layers import Input, Add, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2D, AveragePooling2D, MaxPooling2D, GlobalMaxPooling2D
from keras.models import Model, load_model
from keras.preprocessing import image
from keras.utils import layer_utils
from keras.utils.data_utils import get_file
from keras.applications.imagenet_utils import preprocess_input
import pydot
# from IPython.display import SVG
from keras.utils.vis_utils import model_to_dot
from keras.utils import plot_model
# from resnets_utils import *
from keras.initializers import glorot_uniform
import scipy.misc
from matplotlib.pyplot import imshow
# %matplotlib inline
import tensorflow as tf
import keras.backend as K
K.set_image_data_format('channels_last')
K.set_learning_phase(1)

def identity_block(X, f, filters, stage, block):
    ""