TensorFlow2迁移学习实战（九）：搭建残差网络ResNet-101，实现对花的精准分类

写在前面：大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣，可以关注我的动态，我们一起学习，一起进步~
我的博客地址为：【AI 菌】的博客
我的Github项目地址是：【AI 菌】的Github

前言：
  熟悉我的博友都知道，最近我在写一个《TF2.0深度学习实战：图像分类/目标检测》的小白教程。但是就在上一期实现ResNet的过程中，由于电脑性能原因，我不得不选择层数较少的ResNet-18进行训练。但是很快我发现，虽然只有18层，传统的训练方法仍然很耗时，甚至难以完成对101层的ResNet-101的训练。
  出于这个原因，这一次，我将采用一种巧妙的方法——迁移学习来实现。即在预训练模型的基础上，采用101层的深度残差网络ResNet-101，对如下图所示的花数据集进行训练，<

文章来源: ai-wx.blog.csdn.net，作者：AI 菌，版权归原作者所有，如需转载，请联系作者。

原文链接：ai-wx.blog.csdn.net/article/details/105665214