Python 从ResNet50网络中删除最后n层

我有以下网络，将用于医学图像数据的二值分类。然而，我只想使用这个模型的前80层，因为我目前没有很多数据，而且我的模型拟合过度。我想删除块4或5中的所有层，只保留块1、2和3。我尝试过使用layer.pop（），但它不起作用

from keras.applications.resnet50 import ResNet50

resnet = ResNet50(include_top=False, weights='imagenet', input_shape=(im_size,im_size,3))

headModel = AveragePooling2D(pool_size=(7, 7))(resnet.output)
headModel = Flatten(name="flatten")(headModel)
headModel = Dense(256, activation="relu")(headModel)
headModel = Dropout(0.5)(headModel)
headModel = Dense(1, activation="sigmoid")(headModel)

---

解决方案1：您可以使用

model.summary（）

快速检查层的名称（第80层）

解决方案2：

你可以像这样直接得到它：

intermediate_model = Model(inputs=resnet.input,
                           outputs=resnet.layers[80].output)
...
  

---

为什么不使用第二款受ResNet50启发的车型？然后可以保存这两个版本，并对它们进行比较。顺便说一句，80层已经是一个相当深的模型。

intermediate_model = Model(inputs=resnet.input,
                           outputs=resnet.layers[80].output)
...