AlexNet，LeNet-5，ResNet，VGG-19，VGG-16模型

本文主要是介绍AlexNet，LeNet-5，ResNet，VGG-19，VGG-16模型，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

模型

- AlexNet
- - - 导入必要的库：
    - 加载类别名称：
    - 创建标签映射字典：
    - 加载图像数据和对应的标签：
    - 构建AlexNet模型：
    - 编译模型：
    - 训练模型：
- LeNet-5
- - - 导入必要的库：
    - 加载类别名称：
    - 创建标签映射字典：
    - 加载图像数据和对应的标签：
    - 构建LeNet模型：
    - 编译模型：
- ResNet
- - - 导入必要的库：
    - 加载类别名称：
    - 创建标签映射字典：
    - 加载图像数据和对应的标签：
    - 使用ResNet50模型进行迁移学习
    - 冻结预训练模型的权重：
    - 编译模型：
    - 训练模型：
- VGG-19
- - - 导入必要的库：
    - 加载类别名称
    - 创建标签映射字典：
    - 加载图像数据和对应的标签：
    - 使用VGG-19模型进行迁移学习
    - 冻结预训练模型的权重：
    - 编译模型：
    - 训练模型：
- VGG-16
- - - 导入必要的库：
    - 加载类别名称
    - 创建标签映射字典：
    - 加载图像数据和对应的标签：
    - 使用VGG-16模型进行迁移学习
    - 冻结预训练模型的权重：
    - 编译模型：
    - 训练模型：

本篇博客的图像和标签数据集就是之前自己训练的
博客地址：
https://blog.csdn.net/2301_76794217/article/details/139215356?spm=1001.2014.3001.5502
数据集地址：
https://download.csdn.net/download/2301_76794217/89359353?spm=1001.2101.3001.9500

AlexNet

提出时间：2012年
主要贡献：AlexNet是第一个在ImageNet竞赛中取得显著成绩的深度卷积神经网络，它引入了许多后来被广泛采用的技术，如局部响应归一化（LRN）、ReLU激活函数、使用GPU进行并行计算等。
结构特点：AlexNet包含5个卷积层、3个全连接层和两个用于防止过拟合的dropout层。它使用了大量的数据增强技术，包括随机裁剪、随机缩放、随机水平翻转等。
大小：大约2500万个参数层数：5层卷积层，3层全连接层特点：使用ReLU激活函数、LRN层、重叠池化、多尺度特征提取等

导入必要的库：

os：用于操作文件和目录。
cv2：OpenCV库，用于图像处理。
numpy：用于数值计算。
tensorflow：用于构建和训练深度学习模型。
tensorflow.keras.layers：Keras层，用于构建神经网络。
tensorflow.keras.models：Keras模型，用于创建模型架构。

import os
import cv2
import numpy as np
import tensorflow as tf
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout, ZeroPadding2D
from tensorflow.keras.models import Sequential

加载类别名称：

打开classes.txt文件，读取其中的类别名称，并存储在classes列表中。

with open('99/classes.txt', 'r') as f:classes = f.read().splitlines()

创建标签映射字典：

label_mapping字典将数字标签映射到对应的情绪名称。

label_mapping = {'0': 'sad','1': 'happy','2': 'amazed','3': 'anger'
}

加载图像数据和对应的标签：

遍历image_folder中的所有图像文件。
读取图像，将其调整为AlexNet所需的输入大小（227x227像素），并将其添加到X_train列表。
读取与图像对应的标签文件（.txt格式），提取标签索引，将其映射到情绪名称，然后转换为数字标签，并添加到y_train列表。
将X_train和y_train转换为NumPy数组，并对图像数据进行归一化处理。

image_folder = '561'
label_folder = '99'X_train = []
y_train = []for image_file in os.listdir(image_folder):image_path = os.path.join(image_folder, image_file)image = cv2.imread(image_path)if image is not None:image = cv2.resize(image, (227, 227))  # AlexNet输入图像大小为227x227X_train.append(image)label_file = os.path.join(label_folder, image_file.replace('.jpg', '.txt'))with open(label_file, 'r') as f:label_index = f.readline().strip().split()[0]  # 只取第一个数字作为标签索引label_name = label_mapping[label_index]label = classes.index(label_name)y_train.append(label)X_train = np.array(X_train) / 255.0  # 归一化图像数据
y_train = np.array(y_train)

构建AlexNet模型：

使用Keras的Sequential模型，按照AlexNet的结构添加层。
模型包括卷积层（Conv2D）、最大池化层（MaxPooling2D）、全连接层（Dense）、dropout层（Dropout）等。
输出层使用softmax激活函数，因为这是一个多分类问题。

model = Sequential()
model.add(ZeroPadding2D((1, 1), input_shape=(227, 227, 3)))
model.add(Conv2D(96, (11, 11), strides=(4, 4), activation='relu'))
model.add(MaxPooling2D((3, 3), strides=(2, 2)))
model.add(ZeroPadding2D((1, 1)))
model.add(Conv2D(256, (5, 5), activation='relu'))
model.add(MaxPooling2D((3, 3), strides=(2, 2)))
model.add(ZeroPadding2D((1, 1)))
model.add(Conv2D(384, (3, 3), activation='relu'))
model.add(ZeroPadding2D((1, 1)))
model.add(Conv2D(384, (3, 3), activation='relu'))
model.add(ZeroPadding2D((1, 1)))
model.add(Conv2D(256, (3, 3), activation='relu'))
model.add(MaxPooling2D((3, 3), strides=(2, 2)))
model.add(Flatten())
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(len(classes), activation='softmax'))

编译模型：

使用Adam优化器、稀疏分类交叉熵损失函数（因为标签是整数），并监控准确率。

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

训练模型：

使用fit方法训练模型，指定训练数据、迭代次数（epochs）、批量大小（batch_size）。

model.fit(X_train, y_train, epochs=20, batch_size=32)

在这里插入图片描述

LeNet-5

提出时间：1998年主要贡献：LeNet-5是由Yann
LeCun提出的，它是第一个在实际中使用的卷积神经网络，主要用于手写数字识别。LeNet-5的设计非常简单，但它在当时的技术条件下取得了很好的效果。
结构特点：LeNet-5包含两个卷积层、两个池化层、三个全连接层和两个输出层。它的设计非常紧凑，只包含6万个参数，这使得它可以在当时的硬件条件下运行。
大小：大约6万个参数层数：2层卷积层，3层全连接层特点：非常早期的卷积神经网络，用于手写数字识别，结构简单，参数少。

导入必要的库：

os：用于操作文件和目录。
cv2：OpenCV库，用于图像处理。
numpy：用于数值计算。
tensorflow：用于构建和训练深度学习模型。

import os
import cv2
import numpy as np
import tensorflow as tf

加载类别名称：

打开classes.txt文件，读取其中的类别名称，并存储在classes列表中。

with open('99/classes.txt', 'r') as f:classes = f.read().splitlines()

创建标签映射字典：

label_mapping字典将数字标签映射到对应的情绪名称。

label_mapping = {'0': 'sad','1': 'happy','2': 'amazed','3': 'anger'
}

加载图像数据和对应的标签：

构建LeNet模型：遍历image_folder中的所有图像文件。
读取图像，并将其添加到X_train列表。
读取与图像对应的标签文件（.txt格式），提取标签索引，将其映射到情绪名称，然后转换为数字标签，并添加到y_train列表。
将X_train和y_train转换为NumPy数组。

#加载图像数据和对应的标签
image_folder = '561'
label_folder = '99'X_train = []
y_train = []for image_file in os.listdir(image_folder):image_path = os.path.join(image_folder, image_file)image = cv2.imread(image_path)if image is not None:X_train.append(image)label_file = os.path.join(label_folder, image_file.replace('.jpg', '.txt'))with open(label_file, 'r') as f:label_index = f.readline().strip().split()[0]  # 只取第一个数字作为标签索引label_name = label_mapping[label_index]label = classes.index(label_name)y_train.append(label)X_train = np.array(X_train)
y_train = np.array(y_train)

构建LeNet模型：

使用Keras的Sequential模型，按照LeNet的结构添加层。
模型包括卷积层（Conv2D）、最大池化层（MaxPooling2D）、全连接层（Dense）等。
输出层使用softmax激活函数，因为这是一个多分类问题。

model = tf.keras.Sequential([tf.keras.layers.Conv2D(6, (5, 5), activation='relu', input_shape=(X_train.shape[1:])),tf.keras.layers.MaxPooling2D((2, 2)),tf.keras.layers.Conv2D(16, (5, 5), activation='relu'),tf.keras.layers.MaxPooling2D((2, 2)),tf.keras.layers.Flatten(),tf.keras.layers.Dense(120, activation='relu'),tf.keras.layers.Dense(84, activation='relu'),tf.keras.layers.Dense(len(classes), activation='softmax')
])

编译模型：

使用Adam优化器、稀疏分类交叉熵损失函数（因为标签是整数），并监控准确率。

model.fit(X_train, y_train, epochs=20, batch_size=32)

在这里插入图片描述

ResNet

提出时间：2015年主要贡献：ResNet是第一个引入残差学习的深度网络，它通过引入残差块（Residual
Block）来解决深层网络训练困难的问题，这些残差块包含一个恒等连接，使得网络可以更稳定地训练更深层次的网络。
结构特点：ResNet包含多个残差块，每个残差块包含一个或多个卷积层，这些卷积层可以有不同的大小和数量。ResNet的层数通常比其他网络更深，如ResNet-50、ResNet-101、ResNet-152等。

大小：大约2500万个参数层数：50层，包括17个残差块特点：引入了残差学习，可以构建更深层次的网络，解决梯度消失和梯度爆炸问题。

导入必要的库：

os：用于操作文件和目录。
cv2：OpenCV库，用于图像处理。
numpy：用于数值计算。
tensorflow：用于构建和训练深度学习模型。
tensorflow.keras.applications：包含预训练的模型，如ResNet50。
tensorflow.keras.layers：Keras层，用于构建神经网络。
tensorflow.keras.models：Keras模型，用于创建模型架构。

import os
import cv2
import numpy as np
import tensorflow as tf
from tensorflow.keras.applications import ResNet50
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.keras.models import Model

加载类别名称：

打开classes.txt文件，读取其中的类别名称，并存储在classes列表中。

with open('99/classes.txt', 'r') as f:classes = f.read().splitlines()

创建标签映射字典：

label_mapping字典将数字标签映射到对应的情绪名称。

label_mapping = {'0': 'sad','1': 'happy','2': 'amazed','3': 'anger'
}

加载图像数据和对应的标签：

遍历image_folder中的所有图像文件。
读取图像，并将其调整为ResNet50所需的输入大小（224x224像素），并将其添加到X_train列表。
读取与图像对应的标签文件（.txt格式），提取标签索引，将其映射到情绪名称，然后转换为数字标签，并添加到y_train列表。

image_folder = '561'
label_folder = '99'X_train = []
y_train = []for image_file in os.listdir(image_folder):image_path = os.path.join(image_folder, image_file)image = cv2.imread(image_path)if image is not None:X_train.append(cv2.resize(image, (224, 224)))  # Resize images to (224, 224)label_file = os.path.join(label_folder, image_file.replace('.jpg', '.txt'))with open(label_file, 'r') as f:label_index = f.readline().strip().split()[0]  # 只取第一个数字作为标签索引label_name = label_mapping[label_index]label = classes.index(label_name)y_train.append(label)X_train = np.array(X_train)
y_train = np.array(y_train)

使用ResNet50模型进行迁移学习

加载预训练的ResNet50模型，但不包括顶部的全连接层。
添加一个全局平均池化层（GlobalAveragePooling2D）和一个全连接层（Dense），用于输出预测。
创建一个新的模型，将ResNet50的输出连接到新的全连接层。

base_model = ResNet50(weights='imagenet', include_top=False)
x = base_model.output
x = GlobalAveragePooling2D()(x)
output = Dense(len(classes), activation='softmax')(x)
model = Model(inputs=base_model.input, outputs=output)

冻结预训练模型的权重：

通过设置base_model.layers中的每个层的trainable属性为False，可以冻结预训练模型的权重，只训练新添加的全连接层。

for layer in base_model.layers:
layer.trainable = False

编译模型：

使用Adam优化器、稀疏分类交叉熵损失函数（因为标签是整数），并监控准确率。

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

训练模型：

使用fit方法训练模型，指定训练数据、迭代次数（epochs）、批量大小（batch_size）。

model.fit(X_train, y_train, epochs=20, batch_size=32)

在这里插入图片描述

VGG-19

提出时间：2014年主要贡献：VGG-16和VGG-19是由牛津大学的Karen Simonyan和Andrew
Zisserman提出的，它们通过使用非常小的3x3卷积核和大量重复的卷积层来构建深度网络，这使得它们在ImageNet竞赛中取得了很好的成绩。
结构特点：VGG-16包含16个卷积层和3个全连接层，而VGG-19包含19个卷积层和3个全连接层。VGG-16和VGG-19的卷积层都是使用3x3的卷积核，层与层之间使用2x2的最大池化层。

大小：大约1.38亿/1.45亿个参数层数：16/19层卷积层，3层全连接层
特点：使用小尺寸的3x3卷积核和重复的卷积层，可以提取更丰富的特征。

导入必要的库：

os：用于操作文件和目录。
cv2：OpenCV库，用于图像处理。
numpy：用于数值计算。
tensorflow：用于构建和训练深度学习模型。
tensorflow.keras.applications：包含预训练的模型，如VGG19。
tensorflow.keras.layers：Keras层，用于构建神经网络。
tensorflow.keras.models：Keras模型，用于创建模型架构。

import os
import cv2
import numpy as np
import tensorflow as tf
from tensorflow.keras.applications import VGG19
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.keras.models import Model

加载类别名称

打开classes.txt文件，读取其中的类别名称，并存储在classes列表中。

with open('99/classes.txt', 'r') as f:classes = f.read().splitlines()

创建标签映射字典：

label_mapping字典将数字标签映射到对应的情绪名称。

abel_mapping = {'0': 'sad','1': 'happy','2': 'amazed','3': 'anger'
}

加载图像数据和对应的标签：

遍历image_folder中的所有图像文件。
读取图像，并将其调整为VGG-19所需的输入大小（224x224像素），并将其添加到X_train列表。
读取与图像对应的标签文件（.txt格式），提取标签索引，将其映射到情绪名称，然后转换为数字标签，并添加到y_train列表。
将X_train和y_train转换为NumPy数组。

image_folder = '561'
label_folder = '99'X_train = []
y_train = []for image_file in os.listdir(image_folder):image_path = os.path.join(image_folder, image_file)image = cv2.imread(image_path)if image is not None:X_train.append(cv2.resize(image, (224, 224)))  # Resize images to (224, 224)label_file = os.path.join(label_folder, image_file.replace('.jpg', '.txt'))with open(label_file, 'r') as f:label_index = f.readline().strip().split()[0]  # 只取第一个数字作为标签索引label_name = label_mapping[label_index]label = classes.index(label_name)y_train.append(label)X_train = np.array(X_train)
y_train = np.array(y_train)

使用VGG-19模型进行迁移学习

加载预训练的VGG-19模型，但不包括顶部的全连接层。
添加一个全局平均池化层（GlobalAveragePooling2D）和一个全连接层（Dense），用于输出预测。
创建一个新的模型，将VGG-19的输出连接到新的全连接层。

base_model = VGG19(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
x = base_model.output
x = GlobalAveragePooling2D()(x)
output = Dense(len(classes), activation='softmax')(x)
model = Model(inputs=base_model.input, outputs=output)

冻结预训练模型的权重：

通过设置base_model.layers中的每个层的trainable属性为False，可以冻结预训练模型的权重，只训练新添加的全连接层。

for layer in base_model.layers:layer.trainable = False

编译模型：

使用Adam优化器、稀疏分类交叉熵损失函数（因为标签是整数），并监控准确率。

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

训练模型：

model.fit(X_train, y_train, epochs=20, batch_size=32)

在这里插入图片描述

VGG-16

导入必要的库：

os：用于操作文件和目录。
cv2：OpenCV库，用于图像处理。
numpy：用于数值计算。
tensorflow：用于构建和训练深度学习模型。
tensorflow.keras.applications：包含预训练的模型。
tensorflow.keras.layers：Keras层，用于构建神经网络。
tensorflow.keras.models：Keras模型，用于创建模型架构。

import os
import cv2
import numpy as np
import tensorflow as tf
from tensorflow.keras.applications import VGG19
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.keras.models import Model

加载类别名称

打开classes.txt文件，读取其中的类别名称，并存储在classes列表中。

with open('99/classes.txt', 'r') as f:classes = f.read().splitlines()

创建标签映射字典：

label_mapping字典将数字标签映射到对应的情绪名称。

abel_mapping = {'0': 'sad','1': 'happy','2': 'amazed','3': 'anger'
}

加载图像数据和对应的标签：

遍历image_folder中的所有图像文件。
读取图像，并将其调整为VGG-16所需的输入大小（224x224像素），并将其添加到X_train列表。
读取与图像对应的标签文件（.txt格式），提取标签索引，将其映射到情绪名称，然后转换为数字标签，并添加到y_train列表。
将X_train和y_train转换为NumPy数组。

image_folder = '561'
label_folder = '99'X_train = []
y_train = []for image_file in os.listdir(image_folder):image_path = os.path.join(image_folder, image_file)image = cv2.imread(image_path)if image is not None:X_train.append(cv2.resize(image, (224, 224)))  # Resize images to (224, 224)label_file = os.path.join(label_folder, image_file.replace('.jpg', '.txt'))with open(label_file, 'r') as f:label_index = f.readline().strip().split()[0]  # 只取第一个数字作为标签索引label_name = label_mapping[label_index]label = classes.index(label_name)y_train.append(label)X_train = np.array(X_train)
y_train = np.array(y_train)

使用VGG-16模型进行迁移学习

加载预训练的VGG-16模型，但不包括顶部的全连接层。
添加一个全局平均池化层（GlobalAveragePooling2D）和一个全连接层（Dense），用于输出预测。
创建一个新的模型，将VGG-16的输出连接到新的全连接层。

base_model = VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
x = base_model.output
x = GlobalAveragePooling2D()(x)
output = Dense(len(classes), activation='softmax')(x)
model = Model(inputs=base_model.input, outputs=output)

冻结预训练模型的权重：

通过设置base_model.layers中的每个层的trainable属性为False，可以冻结预训练模型的权重，只训练新添加的全连接层。

for layer in base_model.layers:
layer.trainable = False

编译模型：

使用Adam优化器、稀疏分类交叉熵损失函数（因为标签是整数），并监控准确率。

训练模型：

model.fit(X_train, y_train, epochs=20, batch_size=32)

在这里插入图片描述

这篇关于AlexNet，LeNet-5，ResNet，VGG-19，VGG-16模型的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

AlexNet，LeNet-5，ResNet，VGG-19，VGG-16模型

模型

AlexNet

导入必要的库：

加载类别名称：

创建标签映射字典：

加载图像数据和对应的标签：

构建AlexNet模型：

编译模型：

训练模型：

LeNet-5

导入必要的库：

加载类别名称：

创建标签映射字典：

加载图像数据和对应的标签：

构建LeNet模型：

编译模型：

ResNet

导入必要的库：

加载类别名称：

创建标签映射字典：

加载图像数据和对应的标签：

使用ResNet50模型进行迁移学习

冻结预训练模型的权重：

编译模型：

训练模型：

VGG-19

导入必要的库：

加载类别名称

创建标签映射字典：

加载图像数据和对应的标签：

使用VGG-19模型进行迁移学习

冻结预训练模型的权重：

编译模型：

训练模型：

VGG-16

导入必要的库：

加载类别名称

创建标签映射字典：

加载图像数据和对应的标签：

使用VGG-16模型进行迁移学习

冻结预训练模型的权重：

编译模型：

训练模型：

相关文章