Tensorflow 在tensoflow中将固定输入的预训练Keras模型更改为灵活的Keras模型?
我想使用预先训练过的BagNet()来提取特征。网络具有固定的输入高度和宽度,输入为Tensorflow 在tensoflow中将固定输入的预训练Keras模型更改为灵活的Keras模型?,tensorflow,keras,keras-layer,Tensorflow,Keras,Keras Layer,我想使用预先训练过的BagNet()来提取特征。网络具有固定的输入高度和宽度,输入为(无,3224224)。现在,我想构建一个具有灵活输入大小的新模型。我尝试了使用model.layers.pop()[0]删除第一层并用灵活的输入替换它的方法,但出现错误: ValueError:图形已断开连接:无法获取层“input0”处的张量张量(“input0_6:0”,shape=(?,3,224,224),dtype=float32)的值。访问以下以前的层时没有问题:[] 我如何解决这个问题,或者还有什
(无,3224224)
。现在,我想构建一个具有灵活输入大小的新模型。我尝试了使用model.layers.pop()[0]删除第一层并用灵活的输入替换它的方法,但出现错误:
ValueError:图形已断开连接:无法获取层“input0”处的张量张量(“input0_6:0”,shape=(?,3,224,224),dtype=float32)的值。访问以下以前的层时没有问题:[]
我如何解决这个问题,或者还有什么其他选择
keras_model = bagnets.keras.bagnet8()
keras_model.layers.pop()[0]
x = Input(batch_shape=(None, 3, None, None))
newModel = Model(x, keras_model.output)