Python 删除最后一层并在Keras中插入三个Conv2D层

我在Keras中有一个分类模型，我在一些数据集上进行了训练。将该模型称为“分类模型”。该模型保存在“classification.h5”中。检测模型相同，只是我们删除了最后一个卷积层，并添加了三个大小为

（3,3）

的

Conv2D

层。因此，我们的检测模型“检测模型”应该如下所示：

检测模型=分类模型[：最后一个索引]+Conv2d+Conv2d+Conv2d

---

我们如何在Keras中实现这一点

那么，加载您的分类模型并用于构建新模型：

model = load_model("classification.h5")

last_conv_layer_output = model.layers[last_conv_index].output
conv = Conv2D(...)(last_conv_layer_output)
conv = Conv2D(...)(conv)
output = Conv2D(...)(conv)

new_model = Model(model.inputs, output)

# compile the new model and save it ...

---

那么，加载您的分类模型并使用构建您的新模型：

model = load_model("classification.h5")

last_conv_layer_output = model.layers[last_conv_index].output
conv = Conv2D(...)(last_conv_layer_output)
conv = Conv2D(...)(conv)
output = Conv2D(...)(conv)

new_model = Model(model.inputs, output)

# compile the new model and save it ...

---

我按照你的指示做了一个错误：TypeError：模型的输出张量必须是Keras张量。发现：@Alem您确定已将参数传递到层，即

（conv）

？我忘记了最后一个参数。我现在修好了。非常感谢。分类中的预训练权重会发生什么情况。h5现在在新_模型中吗？@Alem在

新_模型中使用的
模型
层也会在保存
新_模型
时被保存，如果您训练
新_模型
，这些层会被更新。但是，很明显，“classification.h5”中的权重不会改变，您可以随时使用此文件加载原始模型。我按照您的说明操作，得到了一个错误：TypeError：模型的输出张量必须是Keras张量。发现：@Alem您确定已将参数传递到层，即
（conv）
？我忘记了最后一个参数。我现在修好了。非常感谢。分类中的预训练权重会发生什么情况。h5现在在新_模型中吗？@Alem在
新_模型中使用的
模型
层也会在保存
新_模型
时被保存，如果您训练
新_模型
，这些层会被更新。但是，“classification.h5”中的权重显然不会改变，您可以随时使用此文件加载原始模型。