in

Comprender y codificar una ResNet en Keras

Comprender y codificar una ResNet en Keras

¡Haciendo cosas interesantes con los datos!

Priya Dwivedi

4 de enero de 2019·6 min de lectura

Revolución de profundidad

Saltar conexión: la fuerza de ResNet

1*kanYOsFl0MmaPk5ZWDjJmw

Omitir imagen de conexión de DeepLearning.AI
X_shortcut = X # Store the initial value of X in a variable
## Perform convolution + batch norm operations on X
X = Add()([X, X_shortcut]) # SKIP Connection
1*uyXEvYztiv3fGGCCPbm8Jg

Cuando x y x_shortcut tienen la misma forma
1*U5wkA4O1IpY ekXqFh0tUQ

X_shortcut pasa por el bloque de convolución

¿Por qué funcionan las conexiones de salto?

Probando el modelo de ResNet que construimos

1*hEU7S EiVqcmtAlj6kgfRA

Modelo ResNet-50
1*OZnNAvahx vMrWuFoqvSYg

Conjunto de datos de signos

Construyendo ResNet en Keras usando una biblioteca preentrenada

1*NdCntZms6S2pBmQ3j wyuw

Modelo preentrenado de Keras
base_model = applications.resnet50.ResNet50(weights= None, include_top=False, input_shape= (img_height,img_width,3))
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dropout(0.7)(x)
predictions = Dense(num_classes, activation= 'softmax')(x)
model = Model(inputs = base_model.input, outputs = predictions)

Conclusión

Referencias

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

xafQzsFU6sWPKgBSpBGp39 1200 80

Las ofertas más baratas de PlayStation Plus para membresías en septiembre de 2021

rc24 p6 resource management

Primavera P6 Enterprise Project Portfolio Management – Ficha técnica