預訓練模型與Keras.applications.models權重資源地址

標籤：目標   inception   app   遷移   body   修改   order   反向   lock   

什麼是預訓練模型

簡單來說，預訓練模型(pre-trained model)是前人為瞭解決類似問題所創造出來的模型。你在解決問題的時候，不用從零開始訓練一個新模型，可以從在類似問題中訓練過的模型入手。

比如說，你如果想做一輛自動駕駛汽車，可以花數年時間從零開始構建一個效能優良的Image Recognition演算法，也可以從Google在ImageNet資料集上訓練得到的Inception model（一個預訓練模型）起步，來識別映像。

一個預訓練模型可能對於你的應用中並不是100%的準確對口，但是它可以為你節省大量功夫。

為什麼要使用預訓練模型

大大減少訓練時間

怎樣使用預訓練模型

當在訓練神經網路的時候我們的目標是什嗎？我們希望網路能夠在多次正向反向迭代的過程中，找到合適的權重。通過使用之前在大資料集上經過訓練的預訓練模型，我們可以直接使用相應的結構和權重，將它們應用到我們正在面對的問題上。這被稱作“遷移學習”，即將預訓練的模型“遷移”到我們正在應對的特定問題中。

在選擇預訓練模型的時候你需要非常仔細，如果你的問題與預訓練模型訓練情景下又很大的出入，那麼模型所得到的預測結果將會非常不準確。

在遷移學習中，這些預訓練的網路對於ImageNet資料集外的圖片也表現出類很好的泛化效能，既然預訓練模型已經訓練得很好，我們就不會在段時間內去修改過多的權重，在遷移學習中用到它的時候，往往只是進行微調（fine tune）。

在修改模型的過程中，我們通過會採用比一般訓練模型更低的學習速率。

tf模型權重百度雲

http://pan.baidu.com/s/1dE9giOD

VGG16:

WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels.h5’ 
WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5’

VGG19:

TF_WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels.h5’ 
TF_WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels_notop.h5’

RESNET50:

WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels.h5’ 
WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5’

INCEPTIONS_V3:

WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.5/inception_v3_weights_tf_dim_ordering_tf_kernels.h5’ 
WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.5/inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5’

XCEPTION:

TF_WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels.h5’ 
TF_WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels_notop.h5’

預訓練模型與Keras.applications.models權重資源地址