image - 是否可以在张量流中使用初始模型对 1000 多个对象进行分类?
问题描述
是否可以在张量流中使用初始模型对 1000 多个对象进行分类?我想使用 TensorFlow 图像分类通过迁移学习模型对 1000 多个对象进行分类。
解决方案
流行的图像分类模型可以看作是一个卷积特征提取器和一个分类器。底部将获取您的 [208, 208, 3] 图像并将其转换为 2048 个特征 [1,1,2048] 的列(所有数字仅作为示例)。通常之后会出现一个 softmax 分类器。分类器是一个全连接层,每个对象类都有一个神经元。如果你有 1000 个类,它将有 1000*(2048+1) 个参数。请注意,只有分类器取决于类的数量。
进行迁移学习时,ine 通常会丢弃现有的分类器层并从头开始对其进行重新训练。如果特征提取器也经过训练,则称为微调。在重新训练分类器时,您可以选择要使用的任意数量的类。
简而言之:您可以自由地对任意数量的新对象类进行迁移学习。
推荐阅读
- authentication - 尽管使用 Azure AD 启用了多因素身份验证,但如何验证用户名和密码是否正确?
- python - 如何在python中将名义数据转换为数字?
- postgresql - 出现致命错误:运行 pgAdmin4 时无法联系服务器。“NoneType”对象没有属性“值”
- javascript - Javascript 仅在输入字段中允许退格和数字
- c# - 如何使用 ForEach 显示 List 中的每个剩余元素
- sql - where 子句和 group by 中的别名
- performance - 整数除法主要用于什么?
- geoserver - GeoServer 2.19.0 和 Tomcat 10 有问题吗?(错误 404)
- javascript - 如何在.js文件中加载html元素
- c++ - C++ proto2“表达式不可分配”错误