← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9425.c · 生成模型:Tencent Hunyuan Hy

MobileNet 实现

理解等级:初级

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?

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

    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。