Zastosowanie modelu ze świata rzeczywistego
Świetnie – zdjęcie Ivy jest już gotowe do przetworzenia przez ResNet50. Jest zapisane w zmiennej img_ready i wygląda teraz tak:
ResNet50 to model wytrenowany na zbiorze danych Imagenet, który potrafi rozróżniać 1000 różnych oznaczonych obiektów. ResNet50 to głęboki model z 50 warstwami – możesz obejrzeć go w 3D tutaj.
ResNet50 i decode_predictions zostały już zaimportowane z tensorflow.keras.applications.resnet50.
Czas użyć tego wytrenowanego modelu i odkryć, jakiej rasy jest Ivy!
To ćwiczenie jest częścią kursu
Wprowadzenie do uczenia głębokiego z Keras
Instrukcje do ćwiczenia
- Utwórz instancję modelu
ResNet50, ustawiając parametr weights na'imagenet'. - Użyj modelu
model, aby wykonać predykcję na przetworzonym obrazie. - Zdekoduj 3 pierwsze predykcje za pomocą
decode_predictions().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Instantiate a ResNet50 model with 'imagenet' weights
model = ____(weights=____)
# Predict with ResNet50 on your already processed img
preds = ____.____(____)
# Decode the first 3 predictions
print('Predicted:', ____(____, top=____)[0])