一起学AI系列博客：目录索引
简述
hw6作业为基于ResNet模型，并利用VGG标准模块和GoogleNet中的inception模块对IMAGENET数据集进行20类分类。模型输入图像尺寸为299*299，输出为softmax后的20分类。
观察参考代码发现需要使用IMAGENET处理好后的数据ILSVRC2012_20_tfrecord，由于缺乏实验数据，本次作业不进行实战，只对TF1.x版本的参考代码进行思路梳理学习。
- 相应实现源码见代码仓：https://github.com/ioMayday/Tsinghua_Youth_AI/tree/master/homework
- 相关keras使用指导：https://keras.io/zh/getting-started/sequential-model-guide/
作业实现
- project文件架构
- test：测试一张图是否正确
- read_data(获取数据及数据增强等预处理)
- EX6_NET（核心模型定义）
- utils(参数设置模块)
- finetune：预训练模型调优
- read_data
- EX6_NET
- 说明
- 仅分20类
- 训练集样本：26000
- 验证集样本：1000
- test：测试一张图是否正确
从代码中，可以判断模型应该是基于ResNet，其中EX6_NET.py是核心网络搭建文件。
ResNet网络模型结构
代码中模型结构为：
- 299 x 299 x 3, 卷积层，3x3
- 149 x 149 x 32
- 147 x 147 x 32
- 147 x 147 x 64 # 加最大池化3x3，有分支，resnet直连
- 73 x 73 x 160 # 加最大池化3x3，有分支，resnet直连
- 71 x 71 x 192 # 加最大池化3x3，有分支，resnet直连
- 35 x 35 x 384 # 两个inception模块
- 35 x 35 x 384 # Reduction block卷积加下采样
- 17 x 17 x 384 # 普通卷积3x3
- 8 x 8 x 300 # 普通卷积3x3
该模型中，用到VGG里的标准模块+堆叠（3x3、1x1、1xn、nx1），GoogleNet里的inception，ResNet中的（Branch_0/Branch_1部分）分支直连特性。
GoogleNet中Inception模块
VGG16中标准卷积模块堆叠加深
文章来源：https://www.toymoban.com/news/detail-532217.html
ResNet短接直连特性文章来源地址https://www.toymoban.com/news/detail-532217.html
相关链接
- 文科生都能零基础学AI？清华这门免费课程让我信了，link
- 清华青年AI自强作业hw2：线性回归预测，link
- 清华青年AI自强作业hw3_1：用线性回归模型拟合MNIST手写数字分类，link
- 清华青年AI自强作业hw3_2：前向传播和反向传播实战，link
- 清华青年AI自强作业hw3_3：用NN网络拟合MNIST手写数字分类，link
- 清华青年AI自强作业hw4：基于DNN实现狗狗二分类与梯度消失实验，link
- 清华青年AI自强作业hw5：基于CNN实现CIFAR10分类任务，link
到了这里，关于清华青年AI自强作业hw6：基于ResNet实现IMAGENET分类任务的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
