keras 多输入多输出网络
keras中的多输入多输出网络
多输入多输出网络搭建的官网介绍:
http://keras-cn.readthedocs.io/en/latest/getting_started/functional_API/
Demo:
from keras.applications.mobilenet import MobileNet
from keras.applications.inception_v3 import InceptionV3
from keras.applications.inception_resnet_v2 import InceptionResNetV2
from keras.applications.vgg19 import VGG19
from keras.applications.xception import Xceptiondef generate_model(application, num_class, img_size, pre_weights=None):if application == 'InceptionV3':base_model = InceptionV3(input_shape=(img_size, img_size, 3),include_top=False,weights=pre_weights)elif application == 'MobileNet':base_model = MobileNet(input_shape=(img_size, img_size, 3),include_top=False,weights=pre_weights)elif application == 'VGG19':base_model = VGG19(input_shape=(img_size, img_size, 3),weights=pre_weights,include_top=None)elif application == 'InceptionResNetV2':base_model = InceptionResNetV2(input_shape=(img_size, img_size, 3),weights=pre_weights,include_top=None)elif application == 'Xception':base_model = Xception(input_shape=(img_size, img_size, 3),weights=pre_weights,include_top=None)else:raise ('No specific aplication type!')x = base_model.outputfeature = Flatten(name='feature')(x)predictions = Dropout(0.5)(feature)#x = GlobalAveragePooling2D()(x)#predictions = Dense(1024, activation='relu')(x)predictions = Dense(num_class, activation='softmax',name='pred',kernel_initializer=RandomNormal(mean=0.0, stddev=0.001))(predictions)model = Model(inputs=base_model.input, outputs=[predictions, feature])#Model.summary(model)return model
该函数基于keras自带的分类网络,定义了一个单输入双输出的网络
- 输入:(img_size, img_size, 3)的三通道图像
- 输出1:softmax后输出的分类类别,损失函数为多分类交叉熵,输出accuracy
- 输出2:softmax前模型输出的特征向量,损失函数为自定义的Triplet loss
keras 多输入多输出网络相关推荐
- 【Python】Caffe 模型转换 Caffe2 模型 (支持多输入 / 多输出)
Model Translator from Caffe to Caffe2 用于将 Caffe 模型转换为对应 Caffe2 模型的 Python 脚本 官方提供了一个基础版本,经修改和优化后,已支持 ...
- xml文件 卷积神经网络_理解卷积神经网络中的输入与输出形状(Keras实现)
即使我们从理论上理解了卷积神经网络,在实际进行将数据拟合到网络时,很多人仍然对其网络的输入和输出形状(shape)感到困惑.本文章将帮助你理解卷积神经网络的输入和输出形状. 让我们看看一个例子.CNN ...
- 全连接层的输入和输出_理解Web应用程序的本质,网络数据流处理与基础网络连接...
前言 前面一篇文章,我从整个应用程序的整体以及跟运行环境的关系简单聊了一下我们现在常用的Spring框架的设计基础和原则,其中主要是控制反转和依赖注入,以及容器化编程等概念. 这里我不想去复述这些概念 ...
- bp神经网络,多输入多输出,3层网络matlab程序
1 项目背景 一个数据集,满足多对多 的对应关系.他希望用神经网络解决它的数据集逆问题.他给了我一个8输出,6输出的一个excel表格,前六列是输出后8列是输入.这样我利用matlab将表格导入为'. ...
- 注意力机制 | CNN-LSTM-Attention基于卷积-长短期记忆网络结合注意力机制多输入单输出回归预测(Matlab程序)
注意力机制 | CNN-LSTM-Attention基于卷积-长短期记忆网络结合注意力机制多输入单输出回归预测(Matlab程序) 目录 注意力机制 | CNN-LSTM-Attention基于卷积- ...
- 回归预测 | MATLAB实现DBN-BP深度置信网络结合BP神经网络多输入单输出回归预测
回归预测 | MATLAB实现DBN-BP深度置信网络结合BP神经网络多输入单输出回归预测 目录 回归预测 | MATLAB实现DBN-BP深度置信网络结合BP神经网络多输入单输出回归预测 预测效果 ...
- 回归预测 | MATLAB实现DBN多层深度置信网络多输入单输出回归预测
回归预测 | MATLAB实现DBN多层深度置信网络多输入单输出回归预测 目录 回归预测 | MATLAB实现DBN多层深度置信网络多输入单输出回归预测 预测效果 基本介绍 模型描述 程序设计 参考资 ...
- 回归预测 | MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测
回归预测 | MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测 目录 回归预测 | MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测 预 ...
- 理解卷积神经网络中的输入与输出形状 | 视觉入门
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 译者|VK 来源|Towards Data Science 即使我 ...
最新文章
- java 异或_Java之超级基础且实用的知识点
- pandas使用select_dtypes函数移除dataframe中指定数据类型的数据列(exclude columns based on the data type in dataframe)
- MySQL-MMM实现MySQL高可用
- mysql子查询日期比较_数据分析系列 16/32 | MySQL中子查询与联合查询
- 一个项目经理的一些个人体会
- 如何使用iOS AddressBook
- php常量数组吗,包含数组的PHP常量?
- 剑指offer之求两个数之和(不能使用四则运算)
- (转)oracle表分区详解
- oracle二进制转换字母,如何将oracle二进制数据转换为word文本
- html滑动验证,html5移动端按住滑块拖动验证代码
- 本地搭建电影网站:安装部署MacCMS10 2/3
- python的计算_python计算smoothed PSSM(二)
- html情侣相册,浪漫的情侣相册名字
- 重建oracle inventory
- python中len 函数_python len
- 【C语言数据结构与算法的应用4】巨大数----加减乘运算(万进制和Mec补码的应用)
- 统计每一个用户(手机号)所耗费的上行流量,下行流量,总流量
- h5打开麦克风权限录音_h5打开麦克风权限录音_通过H5实现html页面的录音和播放 (Recorder用于html5录音)......
- 树莓派(5):CSI摄像头 vs USB摄像头