地址链接:https://www.flyai.com/m/xception_weights_tf_dim_ordering_tf_kernels_notop.h5
确定自己使用的框架并导入对应的库。导入库实现样例代码可参考 文档中心-预训练模型使用教程
在代码中实现加载预训练模型地址
import tensorflow as tf
from tensorflow.keras import layers
from tensorflow.keras import Model
from tensorflow.keras.optimizers import Adam
base_model=tf.keras.applications.xception.Xception(input_shape=(256,256,3), # 对模型的输入层进行要求,api要求至少71
include_top=False) # 不要模型的顶层
for layer in base_model.layers:
layer.trainable=False
# 模型中的所有层都不再进行训练,直接使用
# 为全连接层做准备
x=layers.Flatten()(base_model.output) # 前面一个括号用来描述当前层的参数,后面一个层代表当前层的输入
# 加入全连接层,需要我们从头训练
x=layers.Dense(1024,activation='relu')(x)
# 输出层
x=layers.Dense(5,activation='softmax')(x) # 5分类,softmax
# 构建模型序列
# 用别人的模型的输入层当输入层,上面自己构建好的层当输出层
model=Model(base_model.input,x)
model.summary()
efficientNet_B6_pretrained_model_mg_08_pxf.pth
查看来源:https://github.com/WZMIAOMIAO/deep-learning-for-image-processinglolMiner
查看来源:https://github.com/Lolliedieb/lolMiner-releases/releases/download/1.31/lolMiner_v1.31_Lin64.tar.gzxception_weights_tf_dim_ordering_tf_kernels_notop.h5
查看来源:https://storage.googleapis.com/tensorflow/keras-applications/xception/xception_weights_tf_dim_ordering_tf_kernels_notop.h5tf_efficientnet_b7_ns-1dbc32de.pth
查看来源:https://github.com/rwightman/pytorch-image-models/releases/download/v0.1-weights/tf_efficientnet_b7_ns-1dbc32de.pthdensenet121_weights_tf_dim_ordering_tf_kernels_notop.h5
查看来源:https://storage.googleapis.com/tensorflow/keras-applications/densenet/densenet121_weights_tf_dim_ordering_tf_kernels_notop.h5