Keras 如何将连接添加到迁移学习中?

Keras 如何将连接添加到迁移学习中?,keras,deep-learning,conv-neural-network,transfer-learning,semantic-segmentation,Keras,Deep Learning,Conv Neural Network,Transfer Learning,Semantic Segmentation,我正在使用迁移学习进行语义分割 model=vgg(weights=“imagenet”) 新的_模型=顺序() 对于模型层中的l、n: 新模型。添加(l) 如果(n==18):中断 #上采样 m1=模型层[-1]。输出 新增(conv2dtranpse(512,(3,3),步幅=(2,2), padding=“相同”)) m2=新模型。层[-1]。输出 串联1=串联(m1,m2) 在这一步之前,一切正常。现在,我如何将此连接添加到网络中 new_model.layers[-1]。输出=连接1

我正在使用迁移学习进行语义分割

model=vgg(weights=“imagenet”)
新的_模型=顺序()
对于模型层中的l、n:
新模型。添加(l)
如果(n==18):中断
#上采样
m1=模型层[-1]。输出
新增(conv2dtranpse(512,(3,3),步幅=(2,2),
padding=“相同”))
m2=新模型。层[-1]。输出
串联1=串联(m1,m2)
在这一步之前,一切正常。现在,我如何将此连接添加到网络中

new_model.layers[-1]。输出=连接1.output
新的_模型。层[-1]。输出=串联1
#这些都是错误的
您可以直接使用keras,这对您来说更容易

您只需使用n=18的所有层,输出将连接到m1

最后,创建模型。代码如下:

model=vgg(weights=“imagenet”)
输入=model.input
对于模型层中的l、n:
如果n==18:
最后一层=l
打破
#上采样
m1=最后一层
m2=Conv2DTranspose(512,(3,3),步幅=(2,2),padding=“same”)(m1)
连接1=连接(轴=-1)(m1,m2)
新模型=模型(输入=输入,输出=串联1)
您可以直接使用keras,这对您来说更容易

您只需使用n=18的所有层,输出将连接到m1

最后,创建模型。代码如下:

model=vgg(weights=“imagenet”)
输入=model.input
对于模型层中的l、n:
如果n==18:
最后一层=l
打破
#上采样
m1=最后一层
m2=Conv2DTranspose(512,(3,3),步幅=(2,2),padding=“same”)(m1)
连接1=连接(轴=-1)(m1,m2)
新模型=模型(输入=输入,输出=串联1)