딥러닝/ Transer Learning을 하기 위한 코드와 설명

 

Transer Learning을 하기 위한 코드와 설명

 

기존의 잘 만들어진 모델을

활용하는 방법

 

CNN 모델을 두 부분으로 나눕니다.

 

Base Model 과 Head Model

여기서 Head Model을 제거하고

가져옵니다.

 

base_model = MobileNetV2(input_shape=(224,224,3), include_top=False)

 

가져온 Base Model은

학습이 안되게 막아줍니다.

 

base_model.trainable = False

 

base_model.summary()

 

확인해 줍니다.

 

head_model = base_model.output
head_model = AveragePooling2D(4,4)(head_model)
head_model = Flatten()(head_model)
head_model = Dense(128, 'relu')(head_model)
head_model = Dropout(0.4)(head_model)
head_model = Dense(64, 'relu')(head_model)
head_model = Dense(7, 'softmax')(head_model)

 

Head Model을 설정하고,

Base Model의 아웃풋을 연결합니다.

 

model = Model(inputs = base_model.input, outputs = head_model)

 

하나로 합쳐 줍니다.

 

model.compile(Adam(0.0001), 'categorical_crossentropy', ['accuracy'])

 

컴파일을 합니다.

 

train_datagen = ImageDataGenerator(rotation_range=20, horizontal_flip=True)
train_generator = train_datagen.flow(X_train, y_train, batch_size=64)

 

학습 이미지 증강시키기

 

epoch_history = model.fit(train_generator, epochs=40, validation_data=(X_val, y_val), callbacks=[cp, csv_logger], steps_per_epoch=10)

학습을 시킵니다.

 

힐링아무의 코딩일기 힐코딩!!