Python Keras从VGG19到ResNet的转换

我有以下代码，它在预先训练过的VGG模型上工作，但在ResNet和Inception模型上失败

vgg_model = keras.applications.vgg16.VGG16(weights='imagenet')
type(vgg_model)
vgg_model.summary()
model = Sequential()
for layer in vgg_model.layers:
    model.add(layer)

现在，将模型更改为ResNet，如下所示：

resnet_model=keras.applications.resnet50.ResNet50(weights='imagenet')
type(resnet_model)
resnet_model.summary()
model = Sequential()
for layer in resnet_model.layers:
    model.add(layer)

给出以下错误：

ValueError: Input 0 is incompatible with layer res2a_branch1: expected axis -1 of input shape to have value 64 but got shape (None, 56, 56, 256)

---

问题在于，与VGG不同，Resnet没有顺序体系结构（例如，某些层连接到多个层，存在跳过连接等）。因此，您不能一个接一个地迭代模型中的层，并将每个层连接到上一层（即顺序连接）。您可以使用绘制模型的体系结构来更好地理解这一点。

问题是因为与VGG不同，Resnet没有顺序体系结构（例如，某些层连接到多个层，存在跳过连接等）。因此，您不能一个接一个地迭代模型中的层，并将每个层连接到上一层（即顺序连接）。您可以使用绘制模型的体系结构来更好地理解这一点。

@KaranArya正如我所提到的，没有办法将非顺序模型转换为顺序模型。我不知道你为什么有兴趣这么做。但是，如果你解释一下你的最终目标是什么，也许我们可以更好地帮助你。我的最终目标是使用ResNet运行一个多类分类。@KaranArya所以你不需要将ResNet转换为顺序模型就可以做到这一点。只需按原样使用（可能还需要在顶部添加自定义层）。参见（特别是最后一节：“微调预先训练网络的顶层”）@KaranArya正如我所提到的，没有办法将非顺序模型转换为顺序模型。我不知道你为什么有兴趣这么做。但是，如果你解释一下你的最终目标是什么，也许我们可以更好地帮助你。我的最终目标是使用ResNet运行一个多类分类。@KaranArya所以你不需要将ResNet转换为顺序模型就可以做到这一点。只需按原样使用（可能还需要在顶部添加自定义层）。请参阅（特别是最后一节：“微调预训练网络的顶层”）。为什么要将预训练模型转换为连续模型？如果答案解决了您的问题，请单击复选标记接受它(✔) 在答案旁边，将其标记为“已回答”-查看为什么要将预训练模型转换为连续模型？如果答案解决了您的问题，请单击复选标记接受它(✔) 在答案旁边将其标记为“已回答”-请参阅