TensorFlow 2.0 - Hub 模型复用

文章目录

1. tfhub
2. 例子：神经风格转换
3. retrain 例子

学习于：简单粗暴 TensorFlow 2

1. tfhub

网址：
https://hub.tensorflow.google.cn/
https://tfhub.dev/

可以搜索，下载模型
安装包 pip install tensorflow-hub

import tensorflow_hub as hubhub_url = 'https://hub.tensorflow.google.cn/google/magenta/arbitrary-image-stylization-v1-256/2'
hub_model = hub.load(hub_url) # 加载模型
outputs = hub_model(inputs) # 调用模型

2. 例子：神经风格转换

Ng 课也讲过这个例子

import tensorflow_hub as hub
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf# 归一化，resize
def load_image_local(img_path, img_size=(256, 256)):# png 4 通道转 jpg 3通道if 'png' in img_path:img = Image.open(img_path)img = img.convert('RGB')img.save("temp.jpg")img = plt.imread("temp.jpg").astype(np.float32)[np.newaxis, :, :, :]else:# 添加一个 batch_size 轴img = plt.imread(img_path).astype(np.float32)[np.newaxis, :, :, :]if img.max() > 1.0:img = img / 255.img = tf.image.resize(img, img_size, preserve_aspect_ratio=True)return img# 绘制图片
def show_image(img, title, save=False, fig_dpi=300):plt.imshow(img, aspect='equal')plt.axis('off')plt.show()if save:plt.imsave(title + '.jpg', img.numpy())# 图片路径
content_image_path = "pic1.jpg"
style_image_path = "pic2.jpg"# 处理图片
content_image = load_image_local(content_image_path)
style_image = load_image_local(style_image_path)# 展示图片
show_image(content_image[0], "Content Image")
show_image(style_image[0], "Style Image")# 加载模型
hub_url = 'https://hub.tensorflow.google.cn/google/magenta/arbitrary-image-stylization-v1-256/2'
hub_model = hub.load(hub_url)# 调用模型
outputs = hub_model(tf.constant(content_image), tf.constant(style_image))
stylized_image = outputs[0]  # 取出第一个样本预测值 [ :, :, 3]# 展示预测图片
show_image(stylized_image[0], "Stylized Image", True)

内容图片：

风格图片：

转换后的图片：

3. retrain 例子

https://hub.tensorflow.google.cn/google/imagenet/inception_v3/feature_vector/4

hub.KerasLayer(url) 封装一个layer到模型当中，可以设置是否 finetune

num_classes = 10
model = tf.keras.Sequential([hub.KerasLayer("https://hub.tensorflow.google.cn/google/imagenet/inception_v3/feature_vector/4",trainable=False),  # 可以设为True，微调tf.keras.layers.Dense(num_classes, activation='softmax')
])
model.build([None, 299, 299, 3])  # Batch input shape
model.summary()

模型结构

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
keras_layer (KerasLayer)     (None, 2048)              21802784
_________________________________________________________________
dense (Dense)                (None, 10)                20490
=================================================================
Total params: 21,823,274
Trainable params: 20,490
Non-trainable params: 21,802,784
_________________________________________________________________

TensorFlow 2.0 - Hub 模型复用相关推荐

TensorFlow 2.0 - 自定义模型、训练过程
文章目录 1. 自定义模型 2. 学习流程学习于:简单粗暴 TensorFlow 2 1. 自定义模型重载 call() 方法,pytorch 是重载 forward() 方法 import te ...
简单粗暴上手TensorFlow 2.0，北大学霸力作，必须人手一册！
(图片付费下载自视觉中国) 整理 | 夕颜出品 | AI科技大本营(ID:rgznai100) [导读] TensorFlow 2.0 于近期正式发布后,立即受到学术界与科研界的广泛关注与好评.此前 ...
如何简单粗暴地上手 TensorFlow 2.0？
整理 | 夕颜出品 | AI科技大本营(ID:rgznai100) [导读] TensorFlow 2.0 于近期正式发布后,立即受到学术界与科研界的广泛关注与好评.此前,我们曾特邀专家回顾了 Te ...
简单粗暴上手TensorFlow 2.0，北大学霸力作，必须人手一册
[导读] TensorFlow 2.0 于近期正式发布后,立即受到学术界与科研界的广泛关注与好评.此前,AI 科技大本营曾特邀专家回顾了 TensorFlow 2.0 从初版到最新版本的发展史.今天, ...
pytorch 获取模型参数_剑指TensorFlow，PyTorch Hub官方模型库一行代码复现主流模型...
选自PyTorch 机器之心编译参与:思源.一鸣经典预训练模型.新型前沿研究模型是不是比较难调用?PyTorch 团队今天发布了模型调用神器 PyTorch Hub,只需一行代码,BERT.GPT ...
使用tensorflow serving部署keras模型（tensorflow 2.0.0）
点击上方"AI搞事情"关注我们内容转载自知乎:https://zhuanlan.zhihu.com/p/96917543 Justin ho 〉 Tensorflow 2.0.0 ...
TensorFlow 2.0 —— 模型训练
目录 1.Keras版本模型训练 1.1 构造模型(顺序模型.函数式模型.子类模型) 1.2 模型训练:model.fit() 1.3 模型验证:model.evaluate() 1.4 模型预测:m ...
【Tensorflow 2.0 正式版教程】ImageNet（二）模型加载与训练
前面的教程都只在小模型.小数据库上进行了演示,这次来真正实战一个大型数据库ImageNet.教程会分为三部分:数据增强.模型加载与训练.模型测试,最终在ResNet50上可以达到77.72%的top- ...
c调用python keras模型_使用TensorFlow 2.0创建Keras模型的三种方法
TensorFlow 2.0和tf.keras提供了三种方式来实现神经网络模型:Sequential API Functional API Model subclassing 下面我将分别使用这三种方 ...

TensorFlow 2.0 - Hub 模型复用

文章目录

1. tfhub

2. 例子：神经风格转换

3. retrain 例子

TensorFlow 2.0 - Hub 模型复用相关推荐

最新文章

热门文章