CNN Animal(Dogs and Cats) Categorical GPU

강아지, 고양이만 2개 분류하는 것보다

강아지, 고양이 + 닭, 소 ~ 10개 같이 분류하는 것에 문제점.


from tensorflow.keras import layers
from tensorflow.keras import models

model = models.Sequential()
model.add(layers.Conv2D(128, (3, 3), activation = 'relu', input_shape = (150, 150, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation = 'relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation = 'relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation = 'relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation = 'relu'))
model.add(layers.MaxPooling2D((2, 2)))

model.add(layers.Flatten())
model.add(layers.Dense(512, activation = 'relu'))
model.add(layers.Dense(10, activation = 'softmax')) 


#다중 (10개) 분류 tensor에서 흔히 나는 오류 

graph execution error 파이썬 해결하는 법
model.add(layers.Dense(10, activation = 'softmax'))

★ Dense Layer 마지막에 10으로 바꿔줌.


위에 Model Define에서 특징을 뽑아내는 것은 똑같음.

결국 강아지-고양이 확인하는 것은 확인하는 방식은 똑같음.


tf.keras.applications.VGG16(
    include_top=True, --> DNN은 안데리고 오겠다는 뜻.
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)


conv_base = VGG16(weights = 'imagenet',
inclue_top = False,
input_shape = (150, 150, 3))