Как использовать начальную сеть для регрессии

Question

Я пытаюсь ввести изображение и получить непрерывный номер в качестве вывода.

Я построил NN, который берет изображение только с одним узлом в скрытом слое с линейной функцией активации. Тем не менее, модель предсказывает одно и то же число для данного входа.

Поэтому я хотел бы использовать начальную сеть для этой проблемы. Основано на недавней статье Google.

Ссылка: https://arxiv.org/pdf/1904.06435.pdf

x = Плотная (1, активация = "линейная") (x)

Answer 1

Это абсолютно возможно! пример от документации keras о предварительно обученных моделях должен помочь вам в вашей работе. Обязательно настройте выходной слой и потери вашей новой модели.

Редактировать: Пример кода для вашего конкретного случая

from keras.applications.inception_v3 import InceptionV3
from keras.preprocessing import image
from keras.models import Model
from keras.layers import Dense
from keras import backend as K

# create the base pre-trained model
base_model = InceptionV3(weights='imagenet', include_top=False)

# add a global spatial average pooling layer
x = base_model.output
# let's add a fully-connected layer
x = Dense(1024, activation='relu')(x)
# and a linear output layer
prediction = Dense(1, activation='linear')(x)

# this is the model we will train
model = Model(inputs=base_model.input, outputs=prediction)

# first: train only the top layers (which were randomly initialized)
# i.e. freeze all convolutional InceptionV3 layers
for layer in base_model.layers:
    layer.trainable = False

# compile the model (should be done *after* setting layers to non trainable)
model.compile(optimizer='rmsprop', loss='mean_squared_error')

# train the model on the new data for a few epochs
model.fit_generator(...)

Это просто тренировка новойверхние слои, если вы хотите точно настроить и нижние слои, взгляните на пример из документации.