![][1]

Привет, Хабр! Под катом пойдёт речь о реализации свёрточной нейронной сети архитектуры InceptionV3 с использованием фреймворка [Keras][2]. Статью я решил написать после ознакомления с туториалом "[Построение мощных моделей классификации с использованием небольшого количества данных][3]". С одобрения автора туториала я немного изменил содержание своей статьи. В отличие от предложенной автором нейронной сети [VGG16][4], мы будем обучать гугловскую глубокую нейронную сеть [Inception V3][5], которая уже предустановлена в Keras.

Вы научитесь:

1. Импортировать нейронную сеть Inception V3 из библиотеки Keras;
2. Настраивать сеть: загружать веса, изменять верхнюю часть модели (fc-layers), таким образом, приспосабливая модель под бинарную классификацию;
3. Проводить тонкую настройку нижнего свёрточного слоя нейронной сети;
4. Применять аугментацию данных при помощи ImageDataGenerator;
5. Обучать сеть по частям для экономии ресурсов и времени;
6. Оценивать работу модели.
При написании статьи я ставил перед собой задачу представить максимально практичный материал, который раскроет некоторые интересные возможности фреймворка Keras.
[Читать дальше →][6]

[1]: https://habrastorage.org/files/b60/891/4ad/b608914ad4c4421c9734fb6e685c4aa4.png
[2]: https://keras.io/
[3]: https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html
[4]: http://www.robots.ox.ac.uk/~vgg/practicals/cnn/
[5]: https://habrahabr.ru/post/302242/
[6]: https://habrahabr.ru/post/321834/?utm_source=habrahabr&utm_medium=rss&utm_campaign=feed_posts#habracut