Python 如何从预先训练的模型中删除最后一层。我尝试了model.layers.pop（），但它不起作用

我试图删除最后一层，以便我可以使用转移倾斜

vgg16_model = keras.applications.vgg16.VGG16()
model = Sequential()

for layer in vgg16_model.layers:
    model.add(layer)

model.layers.pop()


# Freeze the layers 
for layer in model.layers:
    layer.trainable = False


# Add 'softmax' instead of earlier 'prediction' layer.
model.add(Dense(2, activation='softmax'))


# Check the summary, and yes new layer has been added. 
model.summary()

但我得到的结果并不是我所期望的。它仍然显示vgg16模型的最后一层

这是输出

    _________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
block1_conv1 (Conv2D)        (None, 224, 224, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 224, 224, 64)      36928       

**THE HIDDEN LAYERS** 
_________________________________________________________________
fc1 (Dense)                  (None, 4096)              102764544 
_________________________________________________________________
fc2 (Dense)                  (None, 4096)              16781312  
_________________________________________________________________
predictions (Dense)          (None, 1000)              4097000   
_________________________________________________________________
dense_10 (Dense)             (None, 2)                 2002      
=================================================================
Total params: 138,359,546
Trainable params: 2,002
Non-trainable params: 138,357,544

注意-在输出中，我没有显示整个模型，只是显示了前几层和最后几层

如何移除最后一层进行迁移学习

---

p.S Keras version=2.2.4

首先不要将最后一层添加到模型中。这样，您甚至不需要

pop

vgg16_model=keras.applications.vgg16.vgg16（）
模型=顺序（）
对于vgg16_模型中的层。层[：-1]：#这是我更改代码的地方
模型。添加（图层）
#冻结层
对于model.layers中的图层：
layer.trainable=错误
#添加“softmax”而不是早期的“预测”层。
model.add（密集（2，activation='softmax'））

除了markuscosinus answer之外，您还可以在预测层之前获取输出，并将其传递给您自己的预测层。您可以按如下方式进行操作：

for layer in vgg16_model.layers: 
    layer.trainable = False
last_layer = vgg16_model.get_layer('fc2').output
out = Flatten()(last_layer)
out = Dense(128, activation='relu', name='fc3')(out)
out = Dropout(0.5)(out)
out = Dense(n_classes, activation='softmax', name='prediction')(out)
vgg16_custom_model = Model(input=vgg16_model.input, output=out)

我建议您在softmax之前添加一个展平层和另一个密集层，因为最后一个“fc2”有4096个节点，很难将其更改为2

当然，在预测之前辍学会给你更好的资源