Image 在Keras中,如何将序列模型预先设置为预训练模型?
我想在像nasnet_mobile这样的预训练模型前面放置一个4层密集网络。我尝试过几种不同的方法,但它们都会让人头疼(又称错误)。在keras+tensorflow2中,什么方法可以做到这一点 想法:Image 在Keras中,如何将序列模型预先设置为预训练模型?,image,keras,tensorflow2.0,prepend,Image,Keras,Tensorflow2.0,Prepend,我想在像nasnet_mobile这样的预训练模型前面放置一个4层密集网络。我尝试过几种不同的方法,但它们都会让人头疼(又称错误)。在keras+tensorflow2中,什么方法可以做到这一点 想法: 是否有一些“标志”,我必须将稠密的输出指定为整数或图片 在预训练模型中是否有一些“标志”我必须允许它连接 我是否需要手动制作一个预训练的克隆,加载预训练的权重,然后尝试上面的一个;也许预先训练的人和被创造的人是不同的阶级?(更新)如果我正在复制,是否有一种简单的方法来确保我获得相同的结构,以便
- 是否有一些“标志”,我必须将稠密的输出指定为整数或图片
- 在预训练模型中是否有一些“标志”我必须允许它连接
- 我是否需要手动制作一个预训练的克隆,加载预训练的权重,然后尝试上面的一个;也许预先训练的人和被创造的人是不同的阶级?(更新)如果我正在复制,是否有一种简单的方法来确保我获得相同的结构,以便在设置_权重(get_weights(…)时不会出错
- 以上都不是
#LIBRARIES
import numpy as np
from tensorflow import keras
from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense, Reshape, Conv2D, MaxPool2D , Flatten, Input
my_input_shape = (224,224,3)
#DENSE MODEL
my_inputs = Input(shape=my_input_shape)
hidden_1 = Dense(units=8, activation='relu')(my_inputs)
#make the output layer
hidden_2= Dense(units=np.product(my_input_shape),
activation='sigmoid')(hidden_1)
transformed = keras.layers.Reshape(my_input_shape,)(hidden_2)
dense_model = Model(inputs=my_inputs, outputs=transformed)
#PRETRAINED MODEL
pretrained_model = keras.applications.nasnet.NASNetMobile(weights = 'imagenet',
include_top = False,
input_shape=my_input_shape)
#Option 1
combined_model_1 = keras.applications.nasnet.NASNetMobile(weights = 'imagenet',
include_top = False,
input_tensor=transformed)
#Option 2
combined_model_2 = Model(inputs=dense_model.input, outputs=pretrained_model.output)
#Option 3a
combined_model_3a = keras.applications.nasnet.NASNetMobile(weights = 'imagenet',
include_top = False,
input_tensor=my_input_shape)(dense_model)
#Option 3b
combined_model_3b = keras.applications.nasnet.NASNetMobile(weights = 'imagenet',
include_top = False)(dense_model)
#Option 4
combined_model_4 = keras.applications.nasnet.NASNetMobile(weights = 'imagenet',
include_top = False,
input_tensor=dense_model)
问题:给定上面的代码,我想在预训练模型前面菊花链密集模型。我想将图像输入到稠密中,让它在稠密中传播,然后作为预训练的输入,并经过预训练。为什么不这样做:
inp = Input(shape=my_input_shape)
x = dense_model(inp)
x = pretrained_model(x)
final_model = Model(inp, x)
如果您提供完整的代码示例,我们可能会提供帮助。到目前为止,我不知道你哪里做错了,但对我来说,很明显你做错了。如果我有相关但可能“难闻”的演示代码,那可以吗?是的,当然,任何重现问题的代码都会更新。这是否足够?我有5种左右不同的方法,但都不起作用。我不想让它不起作用。我想让它发挥作用如果有任何故障模式似乎特别适合“复活”,那么请告诉我,我将尝试进行适当的更新。除了选项5中令人筋疲力尽的重新创建代码外,其他所有故障模式都进行了更新。我尝试了一下,看起来没有错误。给我10分钟,如果较大的代码没有失败,那么你就成功了。再次感谢你的帮助和时间。