Я пытаюсь применить VGG16 на MNIST.Просто тестирую с 10 наборами данных.Но масштабирование занимает много времени
импорт numpy как np импорт scipy из keras.applications.vgg16 импорт VGG16 из scipy импорт ndimage импорт keras из keras.datasets импорт mnist из keras.models, Dropout из keras.optimizers импорт Adam из keras.layers импорт Flatten импорт matplotlib.pyplot как plt из keras.layers импорт Dense, GlobalAveragePooling2D из keras.models import Модель
(x_train, y_train),(x_test, y_test) = keras.datasets.mnist.load_data()
x_train = np.reshape(x_train, (-1,28,28,1)).astype('float32')/255
x_test = np.reshape(x_test, (-1,28,28,1)).astype('float32')/255
y_train = keras.utils.to_categorical(y_train)
y_test = keras.utils.to_categorical(y_test)
data_slice = 10
x_train = x_train[:data_slice,:]
y_train = y_train[:data_slice,:]
x_test = x_test[:data_slice,:]
y_test = y_test[:data_slice,:]
print('after slice')
x_train = scipy.ndimage.zoom(x_train,(8))
print('after x_train zoom')
x_test = scipy.ndimage.zoom(x_test,(8))
print('after x_test zoom')
y_train = scipy.ndimage.zoom(y_train,(8))
print('after y_train zoom')
y_test = scipy.ndimage.zoom(y_test,(8))
print('after y_test zoom')
print('after zoom')
base_model=VGG16(include_top='false', weights='imagenet')
x = base_model.output`enter code here`
print(x.shape)
x = Flatten(name='flatten')(x)
x = GlobalAveragePooling2D()(x)