知识卡片
MobileNet 实现
用 Keras 调用预训练 MobileNet 可按固定流程完成图像分类。先导入 keras、image、imagenet_utils 与 mobilenet 的 preprocess_input,再用 MobileNet(weights=‘imagenet’) 加载模型与权重(仅首次下载)。通过 argparse 传入图像路径,用 load_img 按 224×224 加载、img_to_array 转数组,np.expand_dims 补出批量维,再经 preprocess_input 重塑并归一化像素。model.predict 得到预测后,用 decode_predictions 取前五类可读结果。以鹈鹕图测试时模型以约 0.99 概率判为鹈鹕,softmax 抑制了其他相似鸟类的概率。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 移动神经网络和 CNN MobileNet 与 Keras · 查看原书依据
ImageNet 中的图像的宽度和高度为224。 因此,默认情况下将目标大小设置为(224, 224)。 正如我们前面所看到的,第一维始终保持批量大小。
参考来源
- 位置:《Python深度学习架构实用指南(初译)》第05章《移动神经网络和 CNN》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/09.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文给出 load_img 按 224×224 加载、expand_dims 补批量维、preprocess_input 预处理、predict 与 decode_predictions 取前五项的完整流程,并以 0.99 概率的鹈鹕结果验证其实用性。
- 原始内容:ImageNet 中的图像的宽度和高度为224。 因此,默认情况下将目标大小设置为(224, 224)。 正如我们前面所看到的,第一维始终保持批量大小。