手动搭建的VGG16网络结构训练数据和使用ResNet50微调(迁移学习)训练数据对比(图像预测+前端页面显示)
文章目录
- 1.VGG16训练结果:
- 2.微调ResNet50之后的训练结果:
- 3.结果分析:
- 4.实验效果:
- (1)VGG16模型预测的结果:
- (2)在ResNet50微调之后预测的效果:
- 5.相关代码和知识点:
- (1)VGG16网络结构:
- (2) VGG16特征提取:
- (3)有关微调和迁移学习:
- (4)代码下载:
- (5)文件的结构:
- 6.训练VGG16模型和微调之后的ResNet50模型:
- (1)下载requirements.txt文件和创建新环境:
- (2)训练VGG16:
- (3)训练resent50模型:
- (4)运行Flask.py文件:
1.VGG16训练结果:
注解:因为这个训练时间太长,我自己的配置也是CPU,所以这里只训练了两代;从上面的结果来看,最后的验证准确率在50%左右。
2.微调ResNet50之后的训练结果:
注解:这里也是训练两代(虽然训练的时间较少,便于和VGG16模型对比);从上面的结果来看,微调ResNet50之后训练的结果比VGG16要好10个百分点左右,说明对于我们目前来说,微调是一种很好的选择方式(因为对于多数来说,没有这样的硬件配置和足够的资源)。
3.结果分析:
从上面的对比结果来看,微调明显要好于我们直接训练模型,当然我这里只训练了2代,对于继续往后面训练的结果还不能完全下结论,但是对我们这样的硬件资源来说,微调无疑是最好的选择方式,不仅是速度的提升,还有性能的提升;但是总体来看这两个模型在训练过程中,其中ResNet50有点过拟合。
4.实验效果:
(1)VGG16模型预测的结果:
(2)在ResNet50微调之后预测的效果:
5.相关代码和知识点:
(1)VGG16网络结构:
https://mydreamambitious.blog.csdn.net/article/details/123943751
(2) VGG16特征提取:
https://mydreamambitious.blog.csdn.net/article/details/123943372
(3)有关微调和迁移学习:
https://mydreamambitious.blog.csdn.net/article/details/123906833
(4)代码下载:
模型和数据集下载-百度网盘:
链接:https://pan.baidu.com/s/1a-t8eV-A5VQdm2cJ4bkBFw
提取码:4oyg
代码下载Github:https://github.com/KeepTryingTo/-.git
(5)文件的结构:
6.训练VGG16模型和微调之后的ResNet50模型:
(1)下载requirements.txt文件和创建新环境:
注意:最好自己再重新创建一个python环境:
创建方法:
第一:进入以下:
第二:
当提示[y/n]:输入yes:
后面的就是进入自己创建的python环境:
下载requirements.txt:pip install requirements.txt
注意:这里新创建的环境并不会和你之前的python环境相冲突:
第三:进入Pycharm中,打开项目,选择刚才创建的环境:
选择好之后点击OK。
环境配置后之后就可以训练和测试了;这里我已经训练好了两个模型:
(2)训练VGG16:
终端输入: python main.py
(3)训练resent50模型:
终端输入:python mainResNet50.py:
(4)运行Flask.py文件:
注意:这里需要转入到当前文件的目录下:
终端输入:cd Flask
终端输入: python Flask.py
手动搭建的VGG16网络结构训练数据和使用ResNet50微调(迁移学习)训练数据对比(图像预测+前端页面显示)相关推荐
- ResNet网络详解并使用pytorch搭建模型、并基于迁移学习训练
1.ResNet网络详解 网络中的创新点: (1)超深的网络结构(突破1000层) (2)提出residual模块 (3)使用Batch Normalization加速训练(丢弃dropout) (1 ...
- 《预训练周刊》第17期:深度迁移学习与数据增强改善2型糖尿病预测、钢琴补谱应用...
No.17 智源社区 预训练组 预 训 练 研究 观点 资源 活动 关于周刊 超大规模预训练模型是当前人工智能领域研究的热点,为了帮助研究与工程人员了解这一领域的进展和资讯,智源社区整理了第17期&l ...
- 数据不足,如何进行迁移学习?
现在,人工智能的发展处于跳跃式阶段,我们也对AI在大型数据集的应用进展感到吃惊.更重要的是,那些我们没有跟踪的数十亿张照片或餐厅的评论并没有被遗漏掉:迁移学习技术让收集数据变得更加"容易&q ...
- 迁移学习:数据不足时如何深度学习
转自:http://www.sohu.com/a/125849954_470008 使用深度学习技术解决问题的过程中,最常见的障碍在于训练模型过程中所需的海量数据.需要如此多的数据,原因在于机器在学习 ...
- 迁移学习训练分类模型实践第一篇
迁移学习训练分类模型实践第一篇 前言 数据获取.预处理 构建模型 查看模型参数量和FLOPs 测试模型 前言 为了简洁,本文不包含任何训练过程,仅介绍处理数据.构建模型.使用随机初始化权重推断: 关于 ...
- python大数据零基础_零基础学习大数据人工智能,学习路线篇!
大数据处理技术怎么学习呢?首先我们要学习Python语言和Linux操作系统,这两个是学习大数据的基础,学习的顺序不分前后. Python:Python 的排名从去年开始就借助人工智能持续上升,现在它 ...
- pytorch1.7教程实验——迁移学习训练卷积神经网络进行图像分类
只是贴上跑通的代码以供参考学习 参考网址:迁移学习训练卷积神经网络进行图像分类 需要用到的数据集下载网址: https://download.pytorch.org/tutorial/hymenopt ...
- java后台如何给数据给前端_JAVA后台 关于如何从后台传递信息在jsp前端页面显示...
JAVA后台 关于如何从后台传递信息在jsp前端页面显示 首先,博主今天为了将后台的信息传递到前台,废了不少的脑筋,一开始,博主采用了request.setAttribute()的方法,来实现的,具体 ...
- MobileNetv1、v2网络详解、使用pytorch搭建模型MobileNetv2并基于迁移学习训练
1.MobileNetv1网络详解 传统卷积神经网络专注于移动端或者嵌入式设备中的轻量级CNN网络,相比于传统卷积神经网络,在准确率小幅降低的前提下大大减少模型参数与运算量.(相比VGG16准确率减少 ...
最新文章
- [zz]GNU C __attribute__ 机制简介
- PAT甲级1093 Count PAT‘s :[C++题解]DP、状态机模型dp
- 单机负载告警,数据库与应用分离
- Python可视化库matplotlib(基础整理)
- .NET面试基础知识
- 皇帝的新脑-读书笔记
- quartz spring配置实例代码demo下载
- coreseek mysql.sock_coreseek+lnmp实现站内全文检索
- 理解概念IMAP4、IMAP4rev1 client protocol、POP3、SMTP、MIME、RFC822
- win10浏览器html乱码,win10系统浏览器字体乱码的解决方法
- neo4j java 模糊搜索,Neo4j 使用cypher语言进行查询
- 国产8K摄像机记录中国航展的飞速发展
- python散点图图例显示标记点类型_python – matplotlib散点图中的标记点
- 高度近视也不用戴眼镜了 (经典珍藏版)——
- matlab趋势分析法,趋势分析法案例.pdf
- 读书笔记:SAFNet
- 整理6个超好用的在线编辑器!
- VS2008 PRO 、WDK 和DDKWizard搭建Vista驱动开发环境
- Java中的运算符优先级
- Unable to connect to Redis无法连接到Redis