Python 替换tf keras中现有模型的一层
我加载一个预训练的模型。但是,我想给这个模型添加光谱归一化 如果模型是完全连续的,我可以这样做:Python 替换tf keras中现有模型的一层,python,tensorflow,keras,tf.keras,Python,Tensorflow,Keras,Tf.keras,我加载一个预训练的模型。但是,我想给这个模型添加光谱归一化 如果模型是完全连续的,我可以这样做: import tensorflow as tf base_model = tf.keras.applications.VGG16(input_shape=(720, 1280, 3), weights=None, include_top=False) # Add spectral normalization base_model_new = tf.keras.models.Sequential(
import tensorflow as tf
base_model = tf.keras.applications.VGG16(input_shape=(720, 1280, 3), weights=None, include_top=False)
# Add spectral normalization
base_model_new = tf.keras.models.Sequential()
for layer in base_model.layers:
if isinstance(layer, tf.keras.layers.Conv2D):
spec_norm_layer = SpectralNormalization(layer)
base_model_new.add(spec_norm_layer)
else:
base_model_new.add(layer)
input = tf.keras.Input(shape=(720, 1280, 3), name='image')
x = base_model_new(input)
model = tf.keras.models.Model(inputs=[input], outputs=x, name='test')
但是,例如,当使用ResNet时,如果存在需要输入列表的添加或连接层,则此方法不起作用。如何为resnet解决这个问题