Python keras接收错误v3“；基本“模型.获取”层（“自定义”）；ValueError:没有这样的图层：自定义

我正在尝试使用inceptionV3预训练模型（在keras应用程序中提供）提取特征。我的代码包含以下区块：

 base_model = InceptionV3(include_top=include_top, weights=weights, input_tensor=Input(shape=(299,299,3)))
 model = Model(input=base_model.input, output=base_model.get_layer('custom').output)
 image_size = (299, 299)

运行此命令时，会出现以下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-24-fa1f85b62b84> in <module>()
     20 elif model_name == "inceptionv3":
     21   base_model = InceptionV3(include_top=include_top, weights=weights, input_tensor=Input(shape=(299,299,3)))
---> 22   model = Model(input=base_model.input, output=base_model.get_layer('custom').output)
     23   image_size = (299, 299)
     24 elif model_name == "inceptionresnetv2":

~\Anaconda3\lib\site-packages\keras\engine\network.py in get_layer(self, name, index)
    362         """Retrieves the model's updates.
    363 
--> 364         Will only include updates that are either
    365         unconditional, or conditional on inputs to this model
    366         (e.g. will not include updates that depend on tensors

ValueError: No such layer: custom

---

我在进口中加了这个。还是不走运。有人能帮我吗？我是Keras的新手。

好的。。。我想你是在关注，在我看来，这本书是由一个不是真正最伟大的Keras用户的人写的

参考的自定义层是由教程在更改keras源代码时创建的（请不要这样做，这不是一种安全的工作方式，并且会在您未来的项目中造成麻烦）

自定义图层将在本教程的本部分中创建：

`Add in "<model>.py"


...
...
if include_top:
    # Classification block
    x = GlobalAveragePooling2D(name='avg_pool')(x)
    x = Dense(classes, activation='softmax', name='predictions')(x)
else:
    if pooling == 'avg':
        x = GlobalAveragePooling2D()(x)
    elif pooling == 'max':
        x = GlobalMaxPooling2D()(x)
    x = Flatten(name='custom')(x)
...

更重要的是：如果目标层是最后一层，那么您不需要这些。只需按原样使用

base_模型

如果您希望完整的模型末尾有

密集

层，只需使用

include\u top=True

如果需要自定义数量的类，请告诉模型构造函数

---

如果您想要一个真正的中间层，请通过调用

model.summary（）

找到该层的名称

好的。。。我想你是在关注，在我看来，这本书是由一个不是真正最伟大的Keras用户的人写的

参考的自定义层是由教程在更改keras源代码时创建的（请不要这样做，这不是一种安全的工作方式，并且会在您未来的项目中造成麻烦）

自定义图层将在本教程的本部分中创建：

`Add in "<model>.py"


...
...
if include_top:
    # Classification block
    x = GlobalAveragePooling2D(name='avg_pool')(x)
    x = Dense(classes, activation='softmax', name='predictions')(x)
else:
    if pooling == 'avg':
        x = GlobalAveragePooling2D()(x)
    elif pooling == 'max':
        x = GlobalMaxPooling2D()(x)
    x = Flatten(name='custom')(x)
...

更重要的是：如果目标层是最后一层，那么您不需要这些。只需按原样使用

base_模型

如果您希望完整的模型末尾有

密集

层，只需使用

include\u top=True

如果需要自定义数量的类，请告诉模型构造函数

---

如果您想要一个真正的中间层，请通过调用

model.summary（）

找到该层的名称

您想做什么？@DanielMöller->预训练的模型从Keras库的应用模块加载，模型是基于conf.json文件中用户指定的配置构建的。然后，在使用ImageNet数据集预先训练的模型中，从用户指定的层中提取特征。这些功能及其标签使用HDF5文件格式存储在本地。此外，保存模型和权重只是为了表明这些也可以在Keras中完成。这就是我想要实现的。

InceptionV2

是由Keras严格构建的预构建模型。模型中没有conf.json，也没有“自定义”层。@DanielMöller-如上面的注释所述，conf.json是用户指定的。感谢您提供有关海关的信息。我见过一些人在使用“自定义”代码进行InceptionResNetV2、inceptionV3和MobileNet时，你想做什么？@DanielMöller->预先训练的模型是从Keras库的应用模块加载的，模型是基于conf.json文件中用户指定的配置构建的。然后，在使用ImageNet数据集预先训练的模型中，从用户指定的层中提取特征。这些功能及其标签使用HDF5文件格式存储在本地。此外，保存模型和权重只是为了表明这些也可以在Keras中完成。这就是我想要实现的。

InceptionV2

是由Keras严格构建的预构建模型。模型中没有conf.json，也没有“自定义”层。@DanielMöller-如上面的注释所述，conf.json是用户指定的。感谢您提供有关海关的信息。我见过一些人在使用“自定义”代码进行InceptionResNetV2、inceptionV3和MobileNet时使用的代码

lastLayer = base_model.layers[-1]