Tensorflowを使用して、Pythonを使用して特徴抽出を作成するにはどうすればよいですか？

Tensorflowを使用して、バッファリングされたプリフェッチを使用して特徴抽出器を作成できます。これは、trainable=Falseを設定することで実行されます。

続きを読む： TensorFlowとは何ですか？KerasはTensorFlowとどのように連携してニューラルネットワークを作成しますか？

少なくとも1つの層を含むニューラルネットワークは、畳み込み層と呼ばれます。畳み込みニューラルネットワークを使用して、学習モデルを構築できます。

画像分類の転移学習の背後にある直感は、モデルが大規模で一般的なデータセットでトレーニングされている場合、このモデルを使用して視覚世界の一般的なモデルとして効果的に機能できることです。機能マップを学習したはずです。つまり、ユーザーは大規模なデータセットで大規模なモデルをトレーニングすることで、最初から始める必要がありません。

TensorFlow Hubは、事前にトレーニングされたTensorFlowモデルを含むリポジトリです。 TensorFlowを使用して、学習モデルを微調整できます。

TensorFlow Hubのモデルをtf.kerasで使用する方法を理解し、TensorFlowHubの画像分類モデルを使用します。これが完了すると、転送学習を実行して、カスタマイズされた画像クラスのモデルを微調整できます。これは、事前にトレーニングされた分類モデルを使用して画像を取得し、それが何であるかを予測することによって行われます。これは、トレーニングを必要とせずに実行できます。

Google Colaboratoryを使用して、以下のコードを実行しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPU（グラフィックプロセッシングユニット）に無料でアクセスできます。 ColaboratoryはJupyterNotebookの上に構築されています。

例

AUTOTUNE = tf.data.AUTOTUNE
train_ds = train_ds.cache().prefetch(buffer_size=AUTOTUNE)
print("The dimensions of data")
for image_batch, labels_batch in train_ds:
print(image_batch.shape)
print(labels_batch.shape)
break

コードクレジット-https：//www.tensorflow.org/tutorials/images/transfer_learning_with_hub

出力

The dimensions of data
(32, 224, 224, 3)
(32,)

説明

• TFHubは、最上位の分類レイヤーを必要とせずにモデルを配布します。
• 転移学習に使用できます。
• tfhub.devの互換性のある画像特徴ベクトルモデルを使用できます。
• trainable=Falseを使用して特徴抽出を作成できます。
• これは、特徴抽出レイヤーの変数をフリーズするために使用できます。
• これは、トレーニングが新しい分類器レイヤーのみを変更するために行われます。
• 画像ごとに1280の長さのベクトルが返されます。