北大人工智慧網課攻略[4]:基於VGG16的遷移學習
阿新 • • 發佈：2018-12-18
個人程式如下：
連結: https://pan.baidu.com/s/1mi99CsgRvolkXUb-UoW3Gw 提取碼: kyrp
北大人工智慧網課考試二是訓練VGG16模型，並對老師給出的10張圖片進行識別。如果使用老師給出的已經訓練好的VGG16模型引數和呼叫程式，穩定滿分。該模型引數與VGG16論文當時提供的一致。
之後我隨便玩了一下，原來我的頭像是persian cat，波斯貓80%概率，還有13%概率是安哥拉兔。
本題題目要求在使用自己程式設計訓練VGG16模型並呼叫模型識別。那麼問題來了，ILSVRC-2012資料集多大？僅訓練集138G，此時我的電腦硬碟是110G。所以說北大人工智慧網課想滿分，我得先買個伺服器吧。
買完後下載資料集。
https://blog.csdn.net/xingchengmeng/article/details/58135148
再安裝好GPU，編好程式就可以開始攻略了。
所以我決定現在做一個使用VGG16已有模型的遷移學習實踐。
斯坦福遷移學習解釋:http://cs231n.github.io/transfer-learning/
我首先使用莫煩的遷移學習程式開始修改，莫煩的遷移學習程式是使用vgg千種分類遷移到貓和老虎的長度判斷。在修改的時候我發現了一些問題。
如下程式：
這裡返回的resize_img應該是一個訓練batch，然而其實際值為一個1×224×224×3的陣列，即一張圖片：
這個非batch的情況在訓練程式中也顯示了出來：
如果這個是一個batch的話，輸入集的長度len(xs)應該是一次訓練的圖片數，如20這樣，然而這裡b_idx只有0和1，說明cat和tiger集各自只有一張圖片被帶進來訓練：
在修改完程式後，我將vgg16用於了之前的cifar-10分類問題，程式在上面，結果如圖。兩張結果都正確。
