Keras에서 모델 정의하기

Question

저는 Deep Learning과 Keras를 처음 사용합니다. 미리 계산 된 가중치 초기화 가중치 = 'imagenet'은 Keras에서 모델을 정의 할 때 사용되는 것을 의미합니까?

ResNet50(weights='imagenet') 

고마워요!

Answer 1

이 코드 줄은 ResNet50이라는 네트워크 아키텍처를 만듭니다 (자세한 내용은 here을 참조하십시오). weights='imagenet'은 Keras에 imagenet 데이터 세트에서 학습 된이 네트워크의 가중치를로드합니다. 이 정보가 없으면 Keras은 네트워크 아키텍처를 준비 할 수는 있지만 모델의 목적을 알지 못하기 때문에 가중치를 "양호한"값으로 설정할 수 없습니다. 이는 데이터 세트를 지정하여 판별됩니다.

다른 데이터 세트를 사용하는 경우 모델을 사전 훈련 된 모델로 사용하고 있습니다. 이 기술에 대한 자세한 내용은 here을 참조하십시오. 일반적인 아이디어는 모델이 복잡한 (이미지) 데이터 세트에 대해 교육을받은 후 가장 낮은 레이어 (대부분의 경우 : 회선)에서 모서리, 모서리 등과 같은 매우 기본적인 기능을 감지한다는 것입니다. 이는 기본 기능을 다시 감지 할 필요가 없으므로 모델이 훨씬 빠르게 자신의 데이터 세트를 분석하는 방법을 학습하는 데 도움이됩니다.

Answer 2

@FlashTek 대답에 이어 우리는 데이터 세트에서이 모델을 훈련시킬 수 있습니다. 다음 코드에서

봐 : 위의 코드에서

model = applications.ResNet50(weights = "imagenet", include_top=False, 
input_shape = (img_width, img_height,3)) 


# Freeze the layers which you don't want to train. Here I am freezing the first 30 layers. 
for layer in model.layers[0:30]: 
    layer.trainable = False 

for layer in model.layers[30:]: 
    layer.trainable = True 

#Adding custom Layers 
x = Flatten()(model.output) 
# x = Dense(1024, activation="relu")(x) 
# x = Dropout(0.5)(x) 
# x = Dense(1024, activation="relu")(x) 
# x = Dropout(0.5)(x) 
x = Dense(1024, activation="relu")(x) 
predictions = Dense(2, activation="softmax")(x) 

우리가 layer.trainable을 할당하여 우리는 우리의 데이터 세트에 훈련 얼마나 많은 계층 resnet의 지정하는 수 있습니다에 그것을 훈련하는 경우는 true 귀하의 데이터 세트 또는 그렇지 않으면 거짓. 추가 지정 층