是这样的,我是先写了mnist的模型,能不能封装一下做成model然后迁移学习用来自己的模型。
我看网上都是公众的那些VGG啊 Resnet的。不知道自己的模型行不行。
如果可以的话,通过CIfar10和cifar100来做个迁移学习的例子。
自己写个例子,麻烦各位给改下
import tensorflow as tf
(x_train, y_train), (_, _) = tf.keras.datasets.cifar100.load_data()
x_train = x_train / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(filters=32, kernel_size=3, strides=1, input_shape=[32, 32, 3]),
tf.keras.layers.MaxPool2D(pool_size=2, strides=1),
tf.keras.layers.Conv2D(filters=64, kernel_size=3, strides=1),
tf.keras.layers.MaxPool2D(pool_size=2, strides=1),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(units=100, activation='softmax')])
model.build(input_shape=[None, 32, 32, 3])
model.summary()
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=1e-3),
loss=tf.keras.losses.SparseCategoricalCrossentropy(),
metrics=[tf.keras.metrics.SparseCategoricalAccuracy()])
model.fit(x=x_train, y=y_train, batch_size=128, epochs=10)
model.save_weights('save_model/model.h5')