Keras 修改resnet模型中的层

我试图训练resnet50模型来解决图像分类问题。在将模型训练到我拥有的数据集之前，我已经加载了预训练的“imagenet”权重。我想在输入层和第一个卷积层之间插入一个层（平均减法层）

model=ResNet50（weights='imagenet'）
def平均值减去（img）：
img=T.set_子传感器（img[：，0，：，：，：]，img[：，0，：，：]-123.68）
img=T.set_子传感器（img[：，1，：，：，：]，img[：，1，：，：]-116.779）
img=T.set_子传感器（img[：，2，：，：，：]，img[：，2，：，：]-103.939）
返回img/255.0

我想在输入层旁边插入

inputs=Lambda（mean_subtract，name='mean_subtraction'）（inputs）

，并将其连接到resnet模型的第一个卷积层，而不会丢失保存的权重

我该怎么做

---

谢谢

快速回答（似乎比向模型中添加功能更好）

使用如下所述的预处理功能：

长答案

因为你的函数不会改变形状，你可以把它放在一个外部模型中，而不改变Resnet模型（改变模型可能不是那么简单，如果需要的话，我总是尝试用其他模型的零件安装新模型）

resnet_model = ResNet50(weights='imagenet')

inputs = Input((None,None,3)) 
    #it seems you're using (3,None,None) instead.    
    #choose based on your "data_format", which by default is channels_last 

outputs = Lambda(mean_subtract,output_shape=not_necessary_with_tensorflow)(inputs)
outputs = resnet_model(outputs)

model = Model(inputs, outputs)