如何使用 Tensorflow 和预训练模型将图像从一个维度转换为另一个维度?
tensorflowserver side programmingprogramming更新于 2025/5/19 23:07:17
Tensorflow 和预训练模型可用于通过迭代图像数据集并使用先前创建的 ‘base_model’ 将其转换为所需维度，将图像从一个维度转换为另一个维度。
阅读更多: 什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
包含至少一个层的神经网络称为卷积层。我们可以使用卷积神经网络构建学习模型。
我们将了解如何借助预训练网络的迁移学习对猫和狗的图像进行分类。图像分类迁移学习背后的直觉是，如果在大型通用数据集上训练模型，则该模型可有效地用作视觉世界的通用模型。它会学习特征图，这意味着用户不必从头开始在大型数据集上训练大型模型。
阅读更多: 如何预先训练定制模型?
我们使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且不需要任何配置，并且可以免费访问 GPU(图形处理单元)。Colaboratory 是在 Jupyter Notebook 之上构建的。
示例
print("Converting images from one dimension to another")
image_batch, label_batch = next(iter(train_dataset))
feature_batch = base_model(image_batch)
print(feature_batch.shape)
代码来源 −https://www.tensorflow.org/tutorials/images/transfer_learning
输出
Converting images from one dimension to another (32, 5, 5, 1280)
解释
特征提取器将 160x160x3 的图像转换为 5x5x1280 的特征块。
最终尺寸显示在控制台上。
