Question

我想知道微调具有较大输入大小的模型是否有意义？理想情况下，我想要拥有的属性：

微调：通过预训练重用权重
较大的输入大小：在输入模型之前不进行下采样。也许步幅更大？

具体地说，我正在尝试使用我的特定标签集在Keras中微调InceptionV3。我希望数据更大，因为我希望该模型可以隐式学习一些重要字符。使用InceptionV3默认大小（299x299）对我来说这是不可能的。

但这听起来像我必须更改要重复使用的特定模型（例如，通过修改model architecure中的特定层），然后重新使用预先训练的权重没有意义吗？< / p>

Answer 1

如果您想微调分类模型，通常会删除一些用作分类器的顶层，然后添加自己的层。这与微调Inception_V3模型相同：您可以删除顶层并添加具有所需单位数（即数据集中的类数）的分类器。例如：

from keras.applications.inception_v3 import InceptionV3

# let's say our images are of size (1000, 1000, 3)
inc_v3 = InceptionV3(include_top=False, input_shape=(1000, 1000, 3), pooling)

# add your desired layers to the top
# we only add one layer just for illustration
# but you can add as many layers as you want
out = Dense(num_classes, activation='softmax')(inc_v3.output)

# construct the new model
model = Model(inc_v3.input, out)

但是，请注意，您需要先冻结所有基础层（即Inception_V3模型的层）以进行微调。此外，除了在顶部添加池层（即pooling='avg'）之外，您还可以使用其他替代方法，例如使用Flatten层。

此外，我建议您阅读相关的Keras官方教程：Building powerful image classification models using very little data（第二和第三部分与此相关）。

微调具有较大输入大小的模型

1 个答案: