- Bài 1: Giới thiệu
- Bài 2: Cài đặt
- Bài 3: Cấu hình backend
- Bài 4: Tổng quan về Deep learning
- Bài 5: Deep learning
- Bài 6: Mô đun
- Bài 7: Layers (phần 1)
- Bài 8: Layers (Phần 2)
- Bài 9: Tuỳ chỉnh Layer
- Bài 10: Models
- Bài 11: Tổng hợp Model (Phần 1)
- Bài 12: Tổng hợp Model (Phần 2)
- Bài 13: Đánh giá và dự đoán mô hình
- Bài 14: Convolution Neural Network
- Bài 15: Dự đoán hồi quy sử dụng MPL
- Bài 16: Dự đoán chuỗi thời gian bằng LSTM RNN
- Bài 17: Ứng dụng
- Bài 18: Dự đoán thời gian thực với mô hình ResNet
- Bài 19: Pre-Trained Models
Bài 17: Ứng dụng - Keras cơ bản
Đăng bởi: Admin | Lượt xem: 2047 | Chuyên mục: AI
Mô-đun ứng dụng Keras được sử dụng để cung cấp mô hình được đào tạo trước cho mạng nơ-ron sâu. Mô hình Keras được sử dụng để dự đoán, trích xuất tính năng và tinh chỉnh. Bài này giới thiệu về các ứng dụng Keras.
1. Chuẩn bị huấn luyện mô hình :
Mô hình được đào tạo bao gồm hai phần mô hình Kiến trúc và Trọng số. Trọng số là tệp lớn nên ta phải tải xuống và trích xuất tính năng từ cơ sở dữ liệu ImageNet. Một số mô hình được đào tạo trước phổ biến được liệt kê bên dưới,
- ResNet
- VGG16
- MobileNet
- InceptionResNetV2
- InceptionV3
2. Load model
Có thể dễ dàng tải các mô hình được đào tạo trước của Keras như quy định bên dưới:
import keras
import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
#Load the VGG model
vgg_model = vgg16.VGG16(weights = 'imagenet')
#Load the Inception_V3 model
inception_model = inception_v3.InceptionV3(weights = 'imagenet')
#Load the ResNet50 model
resnet_model = resnet50.ResNet50(weights = 'imagenet')
#Load the MobileNet model mobilenet_model = mobilenet.MobileNet(weights = 'imagenet')
Sau khi load xong mô hình, ta có thể sử dụng nó ngay lập tức để dự đoán mô hình. Ta tiến hành kiểm tra từng mô hình được đào tạo trước trong các bài sắp tới.
Theo dõi VnCoder trên Facebook, để cập nhật những bài viết, tin tức và khoá học mới nhất!
- Bài 1: Giới thiệu
- Bài 2: Cài đặt
- Bài 3: Cấu hình backend
- Bài 4: Tổng quan về Deep learning
- Bài 5: Deep learning
- Bài 6: Mô đun
- Bài 7: Layers (phần 1)
- Bài 8: Layers (Phần 2)
- Bài 9: Tuỳ chỉnh Layer
- Bài 10: Models
- Bài 11: Tổng hợp Model (Phần 1)
- Bài 12: Tổng hợp Model (Phần 2)
- Bài 13: Đánh giá và dự đoán mô hình
- Bài 14: Convolution Neural Network
- Bài 15: Dự đoán hồi quy sử dụng MPL
- Bài 16: Dự đoán chuỗi thời gian bằng LSTM RNN
- Bài 17: Ứng dụng
- Bài 18: Dự đoán thời gian thực với mô hình ResNet
- Bài 19: Pre-Trained Models