Python Resnet v2应用程序中的Keras形状错误

我正在使用Keras 2.1.3，并试图用Keras应用程序微调Inception Resnetv2

所以我从keras.applications加载预训练模型

input_tensor = Input(shape=(299,299,3))
model = applications.inception_resnet_v2.InceptionResNetV2(weights='imagenet', 
                                                        include_top=False,
                                                        input_tensor=input_tensor,
                                                        input_shape=(299, 299,3))

我为我的问题制造了瓶颈：

top_model = Sequential()
top_model.add(Flatten(input_shape=model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dropout(0.5))
top_model.add(Dense(40, activation='softmax'))

最后创建一个新模型来连接两个部分：

new_model = Sequential()
for l in model.layers:
      new_model.add(l)

在这一步中，我犯了一个错误

ValueError:输入0与层conv2d_7不兼容：输入形状的轴-1应有值192，但得到形状（无、35、35、64）

所以我打印了每一层的形状

第n-1层：输入：（无，35，35，64），输出：（无，35，35，64）

第n层：输入：（无，35，35，192），输出：（无，35，35，48）

---

正如您所看到的，形状不匹配，来自Keras的形状看起来很奇怪。

我不确定

top\u model.add（展平（input\u shape=model.output\u shape[1:]）

是否通过了所需的尺寸。
另一种方法是尝试。

ResNetV2_model_output = model.output
new_concatenated_model = Flatten()(ResNetV2_model_output)
new_concatenated_model = (Dense(256, activation='relu'))(new_concatenated_model)
new_concatenated_model = ((Dropout(0.5)))(new_concatenated_model)
new_concatenated_model = (Dense(40, activation='softmax'))(new_concatenated_model)

---

我不明白你的选择，新的连接模式必须是新的顺序模式？然后添加新层？但我的错误似乎来自早期层（~21-22），因此我认为问题不在于新的顶层模型。您可以选择在模型上添加层，而无需顺序，此选项使您可以从那里开始并添加自定义层。我尝试了您的解决方案，但我不知道我的模型是什么，当我打印新的连接模型时，我有keras.layers.core.Dense，我不能在层上迭代或编译它。Ok model2=keras.model（输入=input\u张量，输出=new\u连接模型）和model2=keras.model（输入=model.input，输出=new\u连接模型），谢谢你的回答。交叉发布：。请每个社区都应该诚实地回答问题，而不浪费任何人的时间。