浅谈keras使用预训练模型vgg16分类,损失和准确度不变_vgg16准确率不变

keras

vgg16分类

172 浏览量更新于2023-05-11 评论收藏 130KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

浅谈浅谈keras使用预训练模型使用预训练模型vgg16分类分类,损失和准确度不变损失和准确度不变

主要介绍了浅谈keras使用预训练模型vgg16分类,损失和准确度不变，具有很好的参考价值，希望对大家有所帮

助。一起跟随小编小编过来看看吧

问题keras使用预训练模型vgg16分类，损失和准确度不变。

细节：细节：使用keras训练一个两类数据，正负比例1：3，在vgg16后添加了几个全链接并初始化了。并且对所有层都允许训练。

但是准确度一直是0.75.

数据预先处理已经检查过格式正确

再将模型中relu改成sigmoid就正常了。

数据处理程序

import os

import pickle

import numpy as np

import DataFile

import SelectiveSearch

import Generator

import IoU

import Model_CRNN_VGG16

from keras.preprocessing.image import ImageDataGenerator

from keras.callbacks import ModelCheckpoint

def data_generator(gen1,gen0):

while True:

data_pos = next(gen1)

data_neg = next(gen0)

ret_X = np.vstack((data_pos[0],data_neg[0]))

ret_y = np.vstack((data_pos[1],data_neg[1]))

index = np.arange(ret_y.shape[0])

np.random.shuffle(index)

ret_X = ret_X[index, :, :, :] # X_train是训练集，y_train是训练标签

ret_y = ret_y[index]

yield ret_X,ret_y

if __name__ == "__main__":

type = "train"

# 数据生成器,每个mini-batch包含32个正样本(属于VOC 20个类别),96个负样本(background)

RESIZE = (224, 224)

path = "category_images"

categories = os.listdir(path)

categories.append('background')

print(categories)

train_1_datagen = ImageDataGenerator(

rescale=1.0/255,

#shear_range=0.2,

#zoom_range=0.2,

horizontal_flip=True)

train_1_generator = train_1_datagen.flow_from_directory(

'category_images',

target_size=RESIZE,

batch_size=32,

classes = categories)

train_0_datagen = ImageDataGenerator(

rescale=1.0 / 255,

#shear_range=0.2,

#zoom_range=0.2,

horizontal_flip=True)

train_0_generator = train_0_datagen.flow_from_directory(

'category_background',

target_size=RESIZE,

batch_size=32*3,

classes=categories)

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

weixin_38688097

粉丝: 5
资源: 928

会员权益专享

浅谈keras使用预训练模型vgg16分类,损失和准确度不变

评论0

会员权益专享

最新资源

浅谈keras使用预训练模型vgg16分类,损失和准确度不变

评论0

vgg_cifar10.py

VGG16 keras 预训练模型

使用Keras预训练模型ResNet50进行图像分类方式

keras预训练模型对比

调用VGG预训练模型

keras实现用VGG非预训练模型分类四种天气图像,并绘制图像

VGG16预训练模型下载

预训练好的vgg16

keras实现用VGG11非预训练模型分类四种天气图像,并绘制图像

keras vgg16模型用测试集预测自己模型准确度的代码

怎么调用keras内置的VGG16模型

tensorflow.keras.applications.vgg16

基于keras实现的声纹识别预训练模型

tensorflow中vgg16在哪一部分

如何将训练好的vgg16模型进行应用

VGG16进行预训练

VGG16softmax分类器数据导出代码

如何用vgg16网络模型训练模型和测试模型

keras.applications.vgg16

keras resnet50预训练模型

会员权益专享

最新资源