时间戳

首页 > 解决方案 > 如何使用 Inception Network 进行回归

image - 如何使用 Inception Network 进行回归

问题描述

我正在尝试输入图像并获得一个连续数字作为输出。

我构建了一个神经网络，它在隐藏层中仅使用一个节点获取图像，并具有线性激活函数。但是，该模型为给定的输入预测相同的数字。

因此，我想使用 Inception Network 来解决这个问题。基于谷歌最近的一篇论文。

链接：https ://arxiv.org/pdf/1904.06435.pdf

x =密集（1，激活=“线性”）（x）

标签： imagemachine-learningdeep-learningregressionconv-neural-network

解决方案

这是绝对可能的！keras 文档中关于预训练模型的示例应该可以帮助您完成工作。确保调整输出层和新模型的损失。

编辑：您的特定案例的代码示例

from keras.applications.inception_v3 import InceptionV3
from keras.preprocessing import image
from keras.models import Model
from keras.layers import Dense
from keras import backend as K

# create the base pre-trained model
base_model = InceptionV3(weights='imagenet', include_top=False)

# add a global spatial average pooling layer
x = base_model.output
# let's add a fully-connected layer
x = Dense(1024, activation='relu')(x)
# and a linear output layer
prediction = Dense(1, activation='linear')(x)

# this is the model we will train
model = Model(inputs=base_model.input, outputs=prediction)

# first: train only the top layers (which were randomly initialized)
# i.e. freeze all convolutional InceptionV3 layers
for layer in base_model.layers:
    layer.trainable = False

# compile the model (should be done *after* setting layers to non trainable)
model.compile(optimizer='rmsprop', loss='mean_squared_error')

# train the model on the new data for a few epochs
model.fit_generator(...)

这只是训练新的顶层，如果您想微调较低的层，请查看文档中的示例。

推荐阅读