Tensorflow tf.keras替换预训练resnet50中的下层

是否可以在tf.keras.applications中移除/替换预训练ResNet50模型的底层

例如，我尝试过这样做：

import tensorflow as tf
pretrained_resnet = tf.keras.applications.ResNet50(include_top=False, weights='imagenet')
inputs = tf.keras.Input(shape=(256,256,1))
x = tf.keras.layers.ZeroPadding2D()(inputs)
x = tf.keras.layers.Conv2D(filters=64,
                           kernel_size=(7,7),
                           strides=(2,2),
                           padding='same')(x)
outputs = pretrained_resnet.layers[3](x)
test = tf.keras.Model(inputs, pretrained_resnet.output)

但它给出了这个错误：ValueError:Graph disconnected:无法获取张量张量的值（“input_2:0”

我也尝试过使用tf.keras Sequential API，但这不起作用，因为ResNet不是一个序列模型。我基本上只是尝试用一个新的层替换ResNet50中的第一个Conv2D层。这可能吗？或者我必须重写整个ResNet模型吗

---

如果您有任何建议，我们将不胜感激。

ZeroPadding2D

和

Conv2D（7*7，64，第2步）

是

Resnet50

网络的

2层和
3层

因此，此处显示仅替换
Resnet50中的第一层（即输入层）

from tensorflow.keras.applications import ResNet50
import tensorflow as tf

model = ResNet50(include_top = False, weights = 'imagenet')
model.save('model.h5')

res50_model = tf.keras.models.load_model('model.h5')
#res50_model.summary()

要从网络中删除第一层，可以运行如下代码

 res50_model._layers.pop(0)

newInput = tf.keras.Input(shape=(256,256,3))
newOutputs = res50_model(newInput)
newModel = tf.keras.Model(newInput, newOutputs)
newModel.summary()

Resnet50要求输入必须有3个通道
，因此将输入层形状添加为
（256256,3）
，而不是
（256256,1）

要添加新的输入层，可以运行如下代码

 res50_model._layers.pop(0)

newInput = tf.keras.Input(shape=(256,256,3))
newOutputs = res50_model(newInput)
newModel = tf.keras.Model(newInput, newOutputs)
newModel.summary()

输出：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_2 (InputLayer)         [(None, 256, 256, 3)]     0         
_________________________________________________________________
resnet50 (Model)             multiple                  23587712  
=================================================================
Total params: 23,587,712
Trainable params: 23,534,592
Non-trainable params: 53,120
_________________________________________________________________

ZeroPadding2D
和
Conv2D（7*7,64,2步）
是
Resnet50
网络的
2nd
和
3rd
层。请确认，您是否只想替换第一层，即输入层？如果是，在回答部分，我已经提供了解决方案。谢谢！我可以问一下，为什么您在替换层之前保存并加载模型吗？