【Python机器学习】卷积神经网络Vgg19模型预测动物类别实战（附源码和数据集）

深碍√TFBOYSˉ_ 2023-09-30 18:08 76阅读 0赞

> **需要源码和数据集请点赞关注收藏后评论区留言私信~~~**

## 典型神经网络 ##

在深度学习的发展过程中，出现了很多经典的卷积神经网络，它们对深度学习的学术研究和工业生产斗起到了促进的作用，如VGG ResNet Inception DenseNet等等，很多实际使用的卷积神经网络都是在它们的基础上进行改进的，下面主要讨论VGG卷积神经网络

VGG-16是共16层的卷积神经网络，有大约1.38亿个网络参数

![0bbb57d964e84cbba295758f3c298773.png][]

网络结构图上图所示。

输入层之后 先是2个大小为3×3 卷积核数为64 步长为1 零填充的卷积层，此时数据维度大小为224×224×64 在水平方向被拉长了，然后是一个大小为2×2的最大池化层，将数据的维度降维112×112×64 再经过2个大小为3×3 卷积核数为128 步长为1 零填充的卷积层 再一次在水平方向上被拉长 变为112×112×128

然后是一个大小为2×2的最大池化层 和3个大小为3×3 卷积核数为256 步长为1 零填充的卷积层 数据维度变为56×56×256

然后是一个大小为2×2的最大池化层 和3个大小为3×3 卷积核数为512 步长为1 零填充的卷积层 数据维度变为28×28×512

然后是一个大小为2×2的最大池化层 和3个大小为3×3 卷积核数位256 步长为1 零填充的卷积层 数据维度变为14×14×256

然后是一个大小为2×2的最大池化层 数据维度变为7×7×512

然后是1个Flatten层将数据拉平

最后是三个全连接层 节点数分别为4096 4096 1000

除最后一层全连接层采用Softmax激活函数外，所有卷积层和全连接层都采用ReLU激活函数

下面用预先训练好的模型来识别一副图片 并给出预测结果

如下图 这是我们准备识别的一张狗狗图片 目标是预测这只狗狗的类别

![66dff575c2004a97b66c789e96f14278.png][]

预测结果如下 可以图片为玩具贵宾犬的概率最大 约为0.6

![afc6b899217a421ebf3f5dc36495cb1f.png][]

部分代码如下

import tensorflow.keras.applications.vgg19 as vgg19
    import tensorflow.keras.preprocessing.image as imagepre
    
    # 加载预训练模型
    model = vgg19.VGG19(weights='E:\\MLDatas\\vgg19_weights_tf_dim_ordering_tf_kernels.h5', include_top=True)
    # 加载图片并转换为合适的数据形式
    image = imagepre.load_img('116.jpg', target_size=(224, 224))
    imagedata = imagepr
    imagedata = vgg19.preprocess_input(imagedata)
    prediction = model.predict(imagedata) # 分类预测
    results = vgg19.decode_predictions(prediction, top=3)
    print(results)

**创作不易 觉得有帮助请点赞关注收藏~~~**

[0bbb57d964e84cbba295758f3c298773.png]: https://img-blog.csdnimg.cn/0bbb57d964e84cbba295758f3c298773.png
[66dff575c2004a97b66c789e96f14278.png]: https://img-blog.csdnimg.cn/66dff575c2004a97b66c789e96f14278.png
[afc6b899217a421ebf3f5dc36495cb1f.png]: https://img-blog.csdnimg.cn/afc6b899217a421ebf3f5dc36495cb1f.png