Làm thế nào có thể sử dụng Keras với một mô hình được đào tạo trước bằng Python?

Tensorflow là một khuôn khổ học máy được cung cấp bởi Google. Nó là một khung công tác mã nguồn mở được sử dụng kết hợp với Python để triển khai các thuật toán, ứng dụng học sâu và hơn thế nữa. Nó được sử dụng trong nghiên cứu và cho mục đích sản xuất.

Keras có nghĩa là 'sừng' trong tiếng Hy Lạp. Keras được phát triển như một phần của nghiên cứu cho dự án ONEIROS (Hệ điều hành Robot thông minh điện tử thần kinh mở). Keras là một API học sâu, được viết bằng Python. Đây là một API cấp cao có giao diện hiệu quả giúp giải quyết các vấn đề về máy học.

Nó chạy trên khuôn khổ Tensorflow. Nó được xây dựng để giúp thử nghiệm một cách nhanh chóng. Nó cung cấp các khối xây dựng và trừu tượng thiết yếu cần thiết trong việc phát triển và đóng gói các giải pháp học máy.

Nó có khả năng mở rộng cao và đi kèm với các khả năng đa nền tảng. Điều này có nghĩa là Keras có thể chạy trên TPU hoặc các cụm GPU. Các mô hình Keras cũng có thể được xuất để chạy trong trình duyệt web hoặc điện thoại di động.

Keras đã có trong gói Tensorflow. Nó có thể được truy cập bằng cách sử dụng dòng mã dưới đây.

 import tensorflowf from tensorflow import keras 

Chúng tôi đang sử dụng Google Colaboratory để chạy đoạn mã dưới đây. Google Colab hoặc Colaboratory giúp chạy mã Python qua trình duyệt và không yêu cầu cấu hình cũng như quyền truy cập miễn phí vào GPU (Đơn vị xử lý đồ họa). Colaboratory đã được xây dựng trên Jupyter Notebook. Sau đây là đoạn mã -

Ví dụ

 print ("Một mô hình phức hợp với các trọng lượng được đào tạo trước được tải") base_model =keras.application.Xception (weights ='imagenet', include_top =False, pooling ='avg') print ("Mô hình này đã được đóng băng" ) base_model.trainable =Falseprint ("Một mô hình tuần tự được sử dụng để thêm một bộ phân loại có thể đào tạo trên đầu cơ sở") model =keras.Sequential ([base_model, layer.Dense (1000),]) print ("Biên dịch mô hình" ) print ("Chỉnh mô hình vừa với dữ liệu thử nghiệm") model.compile (...) model.fit (...) 

Tín dụng mã - https://www.tensorflow.org/guide/keras/sequential_model

Đầu ra

 Một mô hình phức hợp với các trọng số được đào tạo trước sẽ được tải Tải xuống dữ liệu từ https://storage.googleapis.com/tensorflow/kerasapplication/xception/xception_weights_tf_dim_ordering_tf_kernels_notop.h583689472/83683744 [==================================] - 1s 0us / stepMô hình này đã được đóng băngMô hình tuần tự được sử dụng để thêm một bộ phân loại có thể đào tạo ở đầu cơ sở Biên dịch mô hìnhChỉnh sửa mô hình thành dữ liệu thử nghiệm  
 Giải thích 
 
 
 

 Có thể sử dụng ngăn xếp mô hình tuần tự, cùng với sự trợ giúp của mô hình được đào tạo trước để khởi tạo các lớp phân loại. 
 
 
 

 Khi mô hình này đã được xây dựng, nó sẽ được biên dịch. 
 
 
 

 Khi quá trình biên dịch hoàn tất, mô hình này có thể phù hợp với dữ liệu đào tạo.