Kerasで転移学習を実装する方法は何ですか？

1年 ago
優斗, 朝陽
1 minute

Kerasで転移学習を実装する際には、通常、事前にトレーニングされたモデルをベースとして使用し、新しいデータセットに合わせて微調整を行います。以下はKerasで転移学習を実装する方法を示す簡単な例です。

  1. 必要なライブラリやモジュールをインポートしてください。
from keras.applications import VGG16
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras.optimizers import SGD
from keras.preprocessing.image import ImageDataGenerator
  1. VGG16の事前トレーニング済みモデルをロードして、トップの全結合層を削除します。
base_model = VGG16(weights='imagenet', include_top=False)
  1. 基本モデルに新しい全結合層を追加して、接続する。
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x)
predictions = Dense(num_classes, activation='softmax')(x)

model = Model(inputs=base_model.input, outputs=predictions)
  1. 基本モデルのすべてのレイヤーを凍結し、トップに追加した全結合層のみを訓練します。
for layer in base_model.layers:
    layer.trainable = False
  1. モデルをコンパイルしてトレーニングします。
model.compile(optimizer=SGD(lr=0.0001, momentum=0.9), loss='categorical_crossentropy', metrics=['accuracy'])

model.fit_generator(train_generator, steps_per_epoch=num_train_samples // batch_size, epochs=num_epochs, validation_data=validation_generator, validation_steps=num_val_samples // batch_size)

トレーニング中に、必要に応じてベースモデルの一部の層を解凍し、さらにモデルを微調整することができます。最後に、トレーニングされたモデルを使用して予測することができます。

bannerAds