Keras之VGG16识别mnist数据集（迁移VGG16）

最新推荐文章于 2023-10-23 16:53:20 发布

旧梦如烟

最新推荐文章于 2023-10-23 16:53:20 发布

阅读量3.4k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习之Keras

本文链接：https://blog.youkuaiyun.com/wang263334857/article/details/88562599

该博客介绍了如何使用Keras中的VGG16模型进行迁移学习，识别MNIST数据集。首先，导入必要的库，然后加载VGG16模型并移除顶层。接着，创建新的模型结构，将VGG16的输出通过Flatten和Dense层连接，并冻结VGG16的层以防止训练时更新。最后，调整数据集以适应VGG16的输入规格，对模型进行编译和训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from  keras.applications.vgg16 import VGG16  #引入vgg16

from   keras.layers   import Conv2D,MaxPooling2D,Flatten,Dropout,Dense

from  keras.models import   Model

from keras.optimizers import  SGD #引入SGD优化器


from   keras.datasets   import    mnist

import  cv2

import h5py as h5py
import numpy as  np


model_vgg = VGG16(include_top = False,input_shape=(112,112,3),weights = 'imagenet')
#接下来新建一个模型，其类型是Keras的Model类对象。我们构建的模型会将VGG16顶层去掉，只保留其余的网络结构。
#这里用include_top=False表明我们迁移除顶层以外的其余网络结构到自己的模型中。

model = Flatten(name = 'flatten')(model_vgg.output)

model = Dense(10,activation='softmax')(model)

model_vgg_mnist = Model(model_vgg.input,model,name = 'vgg16')

print(model_vgg_mnist.summary())
print("------------------------")


ishape = 112

model_vgg = VGG16(include_top = False,weights = 'imagenet',input_shape = (ishape,ishape,3))

for layer in model_vgg.layers:
    layer.trainable = False     #把不需要重新训练的权重“冷冻”起来。这里使用trainable=false这个选项


model  = Flatten()(model_vgg.output)

model = Dens