Kom igångKom igång gratis

Använd en verklig modell

Bra, Ivys bild är nu redo att användas av ResNet50. Den är lagrad i img_ready och ser nu ut så här:

ResNet50 är en modell tränad på Imagenet-datamängden som kan skilja mellan 1 000 olika märkta objekt. ResNet50 är en djup modell med 50 lager – du kan utforska den i 3D här.

ResNet50 och decode_predictions har redan importerats från tensorflow.keras.applications.resnet50 åt dig.

Dags att använda den här tränade modellen för att ta reda på vilken ras Ivy tillhör!

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Instansiera en ResNet50-modell och sätt parametern weights till 'imagenet'.
  • Använd model för att göra en prediktion på din bearbetade bild.
  • Avkoda de 3 första prediktionerna med decode_predictions().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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])
Redigera och kör kod