15、在Tiny ImageNet上使用DeeperGoogLeNet

在Tiny ImageNet上使用DeeperGoogLeNet

1. 准备HDF5数据集

在脚本执行完毕后， hdf5 目录下会生成三个文件： train.hdf5 、 val.hdf5 和 test.hdf5 。你可以使用 h5py 库来检查这些文件是否确实包含图像数据，示例代码如下：

import h5py
filenames = ["train.hdf5", "val.hdf5", "test.hdf5"]
for filename in filenames:
    db = h5py.File(filename, "r")
    print(db["images"].shape)
    db.close()

运行上述代码，输出结果如下：

(90000, 64, 64, 3)
(10000, 64, 64, 3)
(10000, 64, 64, 3)

这些HDF5数据集表示的ImageNet数据将用于本章的GoogLeNet以及后续章节的ResNet的训练。

2. 实现DeeperGoogLeNet

我们将使用一个更深层次的GoogLeNet变体在Tiny ImageNet数据集上进行训练，该变体更接近Szegedy等人的实现。它与完整的GoogLeNet架构有两个主要区别：
- 第一个卷积层使用5×5的滤波器，步长