基于 Keras 對深度學(xué)習(xí)模型進(jìn)行微調(diào)的全面指南 Part 2

本文作者： AI研習(xí)社-譯站

2018-08-13 17:32

導(dǎo)語：本部分將詳細(xì)地指導(dǎo)如何在 Keras 中實(shí)現(xiàn)對流行模型 VGG，Inception 和 ResNet 的微調(diào)。

雷鋒網(wǎng)按：本文為AI研習(xí)社編譯的技術(shù)博客，原標(biāo)題A Comprehensive guide to Fine-tuning Deep Learning Models in Keras (Part II)，作者為 Felix Yu 。

翻譯 | 霍曉燕校對 | 楊東旭整理 | 余杭

本部分屬該兩部系列中的第二部分，該系列涵蓋了基于 Keras 對深度學(xué)習(xí)模型的微調(diào)。第一部分闡述微調(diào)背后的動機(jī)和原理，并簡要介紹常用的做法和技巧。本部分將詳細(xì)地指導(dǎo)如何在 Keras 中實(shí)現(xiàn)對流行模型 VGG，Inception 和 ResNet 的微調(diào)。

為什么選擇 Keras ?

Keras 是建立在 Theano 或 TensorFlow 之上的一個極簡的神經(jīng)網(wǎng)絡(luò)庫。該庫允許開發(fā)人員快速地將想法原型化。除非你正在做一些涉及制定具有截然不同的激活機(jī)制的神經(jīng)架構(gòu)的前沿研究，否則 Keras 將提供構(gòu)建相當(dāng)復(fù)雜的神經(jīng)網(wǎng)絡(luò)所需的所有構(gòu)建模塊。

同時附帶了大量的文檔和在線資源。

硬件說明

我強(qiáng)烈建議在涉及繁重計算的Covnet訓(xùn)練時，使用GPU加速。速度差異相當(dāng)大，我們談?wù)摰?GPU 大約幾小時而 CPU 需要幾天。

我推薦使用 GTX 980 Ti 或者有點(diǎn)貴的 GTX 1080，它售價約 600 美元。

Keras 微調(diào)

我已經(jīng)實(shí)現(xiàn)了基于 Keras 的微調(diào)啟動腳本，這些腳本存放在這個 github 頁面中。包括 VGG16，VGG19，GoogleLeNet，nception-V3 和 ResNet50 的實(shí)現(xiàn)。這樣，你就可以為自己的微調(diào)任務(wù)定制腳本。

下面是如何使用腳本微調(diào) VGG16 和 Inception-V3 模型的詳細(xì)演練。

VGG16 微調(diào)

VGG16 是牛津大學(xué)視覺幾何組（VGG）在 2014 年 ILVRC（ImageNet）競賽中使用的 16 層卷積神經(jīng)網(wǎng)絡(luò)。該模型在驗(yàn)證集上達(dá)到了 7.5% 的前 5 錯誤率，這使得他們在競賽中獲得了第二名。

VGG16 模型示意圖：

基于 Keras 對深度學(xué)習(xí)模型進(jìn)行微調(diào)的全面指南 Part 2