迁移学习之基于tensorflow框架+VGG16特征提取网络

最新推荐文章于 2024-11-05 22:59:05 发布

置顶

AAU_是谢军啊

最新推荐文章于 2024-11-05 22:59:05 发布

阅读量2.6k

点赞数 5

本文链接：https://blog.youkuaiyun.com/weixin_43510038/article/details/100161859

版权

本文介绍了作者使用TensorFlow框架结合VGG16模型进行迁移学习的过程，包括模型下载、数据集准备、特征计算、训练网络、测试网络及结果观察等步骤。并提供了相关资源链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本人才学习迁移学习知识，如有错误，请指正。欢迎讨论。

现阶段，本人只会运用大佬现成的vgg16模型进行模型迁移，后期争取自己改模型。

一：模型下载
1、下载VGG16模型
2、下载vgg16.npy文件
3、需要下载数据集（可以是网上的关于花朵的文件，也可以是关于猫狗文件，或者自己利用Python爬出一些图片）

photos文件夹存放数据集tensorflow_vgg存放模型

vgg16模型文件夹详细图片

我这里有三个文件资料，供参考
链接：https://pan.baidu.com/s/1aFD6RKGh4HnqA_ygenGLSw
提取码：3rzd
复制这段内容后打开百度网盘手机App，操作更方便哦

二：代码实现
（一定要在jupyter notebook中实现）
1、导入各种模块

import os
 
import numpy as np
import tensorflow as tf
 
from tensorflow_vgg import vgg16
from tensorflow_vgg import utils

2、加载数据集

data_dir = 'flower_photos/'
contents = os.listdir(data_dir)
classes = [each for each in contents if os.path.isdir(data_dir + each)]

3、利用VGG16计算特征值

# 首先设置计算batch的值，如果运算平台的内存越大，这个值可以设置得越高
batch_size = 10
# 用codes_list来存储特征值
codes_list = []
# 用labels来存储花的类别
labels = []
# batch数组用来临时存储图片数据
batch = []
 
codes = None
 
with tf.Session() as sess:
    # 构建VGG16模型对象
    vgg = vgg16.Vgg16()
    input_ = tf.placeholder(tf.float32, [None, 224, 224, 3])
    with tf.name_scope("content_vgg"):
        # 载入VGG16模型
        vgg.build(input_)
    
    # 对每个不同种类的花分别用VGG16计算特征值
    for each in classes:
        print("Starting {} images".format(each))
        class_path = data_dir + each
        files = os.listdir(cla

最低0.47元/天解锁文章