Python 如何确认Keras正在加载resnet预训练网络

我目前正在尝试使用预训练的ResNet50模型来进行TensorFlow程序。在运行trainpython脚本时，我没有得到一个明确的指示，表明它正在使用ResNet。以下是我在训练脚本中使用ResNet的代码片段：

from tensorflow.keras.applications import ResNet50

base_model = base_model_fn(ResNet50)
final_model = build_model(base_model, num_classes)

model = Model(inputs=base_model.input, outputs=final_model)

---

当我运行代码时，它说它正在为resnet创建目录，然后将工具数据转储到其中，但它应该显示一个下载栏并安装预训练的网络，对吗？我应该在哪里检查以确保它正在使用resnet？

您可以这样尝试

img_shape = (224,224) # set this to the desired size

base_model=tf.keras.applications.ResNet50V2( include_top=False, input_shape=img_shape, 
                               pooling='max', weights='imagenet')
x=base_model.output
output=Dense(num_classes, activation='softmax')(x)
model=Model(inputs=base_model.input, outputs=output)
model.summary()

---

之后我将在哪里检查以确保它正在运行？是否有任何输出可以告诉我？model.summary（）将显示模型已构建。您需要使用一些输入图像训练您的模型，并监控列车损失和精度。使用模型，FitOK，我刚刚运行了它，它给了我模型是如何构造的列表。我有输入图像，能够用tensorboard进行训练。我想验证它使用的是ResNet而不是通用模型摘要打印的是我的总参数：27261314可训练参数：27208194不可训练参数：53120在本例中，他们的resnet50模型摘要有res层。我的没有