tensorflow - 为什么 Keras 模型仅使用 imagenet 权重实例化？

Question

如果我们查看此处显示的 Keras 中可用模型的列表，我们会发现几乎所有模型都使用weights='imagenet'. 例如：

model = VGG16(weights='imagenet', include_top=False)

为什么总是imagenet？是因为它是基线吗？如果没有，还有哪些其他可用选项？

谢谢

标签： tensorflowkerasdeep-learningconv-neural-networkpre-trained-model

Answer 1

Imagenet 是图像分类的事实标准。每年都会举办一场比赛，有 1000 个类别的数百万张训练图像。imagenet 分类竞赛中使用的模型是相互衡量的性能。因此，它为模型对图像分类的好坏提供了一个“标准”度量。很多常用的迁移学习模型模型都使用 imagenet 权重。如果您使用迁移学习，您的模型可以通过向模型添加额外的层来为您的应用程序定制。您不必使用 imagenet 权重，但它通常是有益的，因为它有助于模型在更少的时期内收敛。我使用它们，但我还将所有层设置为可训练的，这有助于使模型的权重适应您的应用程序。