高手那么多keras也要熊一下!(开源西安大赛0.964分的keras源码)
【摘要】 前言:西安大赛那么多高手,图像分类多数基本采用pytorch。话说学术界pytorch渐渐成为主流,TensorFlow成为工业界代表。keras收编后会被忘却么?本人释怀入门的keras,坚守依旧。简单粗暴的分享一下吧。 悲壮的keras 由30名 被各种黑科技碾压到97名。经历而为之才是keras的使命。有缘看到这里的朋友们,请别笑,我只是一个建行基层的客户经理,业务人员。...
前言:西安大赛那么多高手,图像分类多数基本采用pytorch。话说学术界pytorch渐渐成为主流,TensorFlow成为工业界代表。keras收编后会被忘却么?本人释怀入门的keras,坚守依旧。简单粗暴的分享一下吧。
悲壮的keras 由30名 被各种黑科技碾压到97名。经历而为之才是keras的使命。
有缘看到这里的朋友们,请别笑,我只是一个建行基层的客户经理,业务人员。我真的已经尽力了。
本代码适用于ModelArts平台,也可以改为notebook或本地训练,可用于练手的数据集见西安大赛(“华为云杯”2019人工智能创新应用大赛)和垃圾分类挑战杯,源码就见附件吧。
训练分三步走:
1、只用FC层训练14个epoch。快速的遍历所有层尽力而为的获取特征。
2、加载组归一化或BN、开启数据增强、随机裁剪翻滚等等,直至loss不在大幅下降。一般也就14个epoch。这样大大提升了模型的泛化能力!
3、最后返璞归真关闭数据增强、随机裁剪翻滚等等特技!老老实实用全联接训练30个epoch收工。到此keras图像分类模型炼丹完毕。(本地acc0.9973)
技术都是你追我赶的,在wusaifei、子清等朋友的帮助下,接力MA小白也拉出了喜爱的模型。工程化工具对业务人员来说是多么的强大呜呜呜!嘿嘿
希望有更多的人能参与其中,共建生态共筑未来!
一切都来自互联网,如有侵权请联系本人删除.
【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)