如何在tensorflow训练中添加更多的图像类

Question

第一个很抱歉，如果这个问题很难回答的话。我正在训练一个有着不同图像的tensorflow，例如样本中的六朵花。当张量流接收到客厅没有花的图像时，它显示22%是向日葵…。我需要认出花…但是，如果用户显示其他东西，它不是目标…张量流并不表示它是一种具有很大百分比…的花

我不能用高精度来衡量，因为当它收到一朵向日葵时，它说它是一朵3%的向日葵。

如果我必须从头开始训练所有的照片，…主要的问题是，我在哪里可以找到像mobileNetV2这样的图像库，它们已经准备好训练了？如果我找得好，那是不可能的。因此，我的问题如下。是否可以将火车花添加到示例中可用的mobileNetV2中？如果答案是肯定的，你能给我一些脚本样本吗？谢谢

Answer 1

要在自己的数据集上训练mobilenet_v2，必须从tensorflow中心获取modilenet_v2的特征向量。

image_module = hub.KerasLayer('https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4',input_shape=(224,224,3),trainable=False)

然后，您必须根据类向模型添加密集层。

例如，如果我在有5个类的dataset上训练mobilenet_v2，我将添加一个由5个单元组成的密集层。

model=tf.keras.Sequential([image_module,
                           tf.keras.layers.Dense(5,activation='softmax')]) 

然后，您可以在自己的数据集上对模型进行培训。

您可以参考这个要旨来实现。