卷积神经网络：序列模型和 Mobilenet答案

【问题标题】：Convolutional Neural Network: Sequential Model and Mobilenet卷积神经网络：序列模型和 Mobilenet
【发布时间】：2021-06-28 16:51:05
【问题描述】：

如果我想在猫狗图像数据集上进行训练，与仅使用 MobilenetV2 和使用 imagenet 权重初始化相比，创建自己的顺序模型有什么好处？它与识别不同类型水果等其他问题有何不同？

这里我有基本的顺序模型...

    model = models.Sequential()
    model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Conv2D(64, (3, 3), activation='relu'))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Conv2D(64, (3, 3), activation='relu'))

然后使用 Mobilenet...

    tf.keras.applications.MobileNet(
        input_shape=None,
        alpha=1.0,
        depth_multiplier=1,
        dropout=0.001,
        include_top=True,
        weights="imagenet",
        input_tensor=None,
        pooling=None,
        classes=1000,
        classifier_activation="softmax",
        **kwargs
    )

【问题讨论】：

标签： python tensorflow deep-learning conv-neural-network

【解决方案1】：

首先，MobileNet 比您的模型复杂得多。它（可能）经过精心设计并在多个应用程序上进行了测试，证明它可以按预期工作。

人们正在使用骨干网（编码器）——用于从输入图像中提取特征的网络部分——在不同的任务上进行了预训练，但领域相似，反之亦然（例如，接受过动物分类训练的骨干网有助于建立模型检测图像上的动物）。如果您想了解更多信息，可以阅读transfer learning。

使用imagenet 权重的意义在于，您可以使用较小的数据集，因为模型已经经过训练可以提取特征，您只需“展示”如何对其进行分类（理论上）。

【讨论】：