使用迁移学习/数据增强方法来实现Kaggle分类&识别名人脸部

本文为 AI 研习社编译的技术博客，原标题 ： Celebrity Face Kaggle Classification Using Transfer Learning/Data Augmentation 作者 | Terrance Whitehurst 翻译 | Disillusion 校对 | Lam-W 审核| Lam-W 整理 | 菠萝妹 原文链接：https://medium.com/@TerranceWhitehurst/celebrity-face-kaggle-classification-using-transfer-learning-data-augmentation-f4460fb3c8a6 注：本文的相关链接请点击文末【阅读原文】进行访问

概述!

在这个项目中，我将使用keras、迁移学习和微调过的VGG16网络来对kaggle竞赛中的名人面部图像进行分类。

你将学到什么!

1. 用keras进行分类
2. 数据增强
3. 迁移学习

让我们开始吧!

#1

加载所有函数库。

#2

创建数据目录。

#3

在这里，我创建了一些参数供以后使用，并创建了训练和验证目录。

#4

我使用keras的 “ ImageDataGenerator() ” 来应用数据增强。我为训练和验证创建增强，然后创建训练生成器和验证生成器。

#5

对于我的数据格式，我需要“channels_first”或“channels_last”格式。

#6

在这我把imagenet权重加载进我预训练过的VGG16模型。接下来，我创建了我的序列模型的架构。

#7

训练前一定要编译你的模型!

#8

现在我通过调用fit_generator()来训练我的模型。

#9

这里我可视化了我们模型的训练历史。

#10

现在我将我训练过的模型保存在“JSON”和“h5”中。我以这两种格式保存的原因是以便将来我想将其部署到生产环境中。“JSON”格式保留了模型的架构，“h5”格式保存了模型的所有权重。

提示：如果您想在将来部署您的keras模型，那么你要用 h5 格式来保存。

结语

我希望你从这个项目中学到了很多东西，并能够利用它来进一步加深你的机器学习知识。

快乐学习！

你一定能做到！！！