0

我正在尝试在 keras 模型中输出从前到最后的密集层。我首先加载模型架构和权重：

base_model = applications.ResNet50(weights = None,
                                            include_top = False, 
                                            input_shape = (image_size[0], image_size[1], nb_channels))
top_model = Sequential()
top_model.add(Flatten(input_shape=base_model.output_shape[1:]))
top_model.add(Dense(1024, init = 'glorot_uniform', activation='relu', name = 'last_layer_1024'))
top_model.add(Dropout(0.5))
top_model.add(Dense(nb_classes, activation = 'softmax', name = 'softmax_layer'))
top_model_tensor = top_model(base_model.output)
model = Model(inputs = base_model.input, outputs = top_model_tensor)
model.load_weights(weights_path)

然后我通过这样做删除最后一个 Dense 层：

model.layers[-1].pop()
#model.outputs = [model.layers[-1].layers[-1].output]
#model.layers[-1].layers[-1].outbound_nodes = []

如果我取消注释注释行，我会收到此错误：InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'flatten_1_input' with dtype float. 如果我让他们评论，最后一个密集层不会被有效地删除（我的意思是当我调用predict时model，我仍然得到最后一个密集层的输出）。我该如何解决这个问题？

此外，如果有一种不同的方法可以让模型输出前一个到最后一个密集层，我也可以将其作为答案（而不是尝试修复这种方法）。

另一个不起作用的解决方案是在加载权重后通过简单地执行以下操作来剪切长模型：

short_top_model = Model(top_model.input, top_model.get_layer('last_layer_1024').output)

您收到以下错误：

RuntimeError: Graph disconnected: cannot obtain value for tensor Tensor("flatten_1_input:0", shape=(?, 1, 1, 2048), dtype=float32, device=/device:GPU:2) at layer "flatten_1_input". The following previous layers were accessed without issue: []

4

2 回答 2

3

尝试削减模型、更改其输入/输出等听起来不是 keras 对用户的期望。

您应该只创建另一个遵循相同路径但更早结束的模型：

#do this "before" creating "top_model_tensor".
short_top = Model(
                  top_model.input,
                  top_model.get_layer('last_layer_1024').output
                 )

top_model_out = top_model(base_model.output)
short_top_out = short_top(base_model.output)

model = Model(base_model.input,top_model_out)
short_model = Model(base_model.input,short_top_out)

根据预期结果选择使用哪一种。训练一个更新另一个。

于 2017-11-30T12:24:45.700 回答
0

上述答案的较短版本。

#again create connection between two model
feature_vec_model = Model(
                  top_model.input,
                  top_model.get_layer('last_layer_1024').output
                 )
feature_vec_model_output = feature_vec_model(base_model.output)
#Connection created


# Define final connected model & load pretrained weights
complete_feature_vec_model = Model(base_model.input,feature_vec_model_output)
complete_feature_vec_model.load_weights("path_to_model")
于 2018-12-07T07:12:10.590 回答