问题标签 [transfer-learning]

我正在尝试使用预保留的 CNN（VGG16），但我不断收到以下错误：

这是我的完整代码：

但我不知道我得到了什么错误。我认为 ImageDataGenerator() 将处理具有正确尺寸的数据/批次生成。我错过了什么？

我尝试过使用 VGG16 进行迁移学习，但只得到那些经过训练的类的结果。我希望输出包含 VGG16 类和我的新训练类。可能吗？

我附上了我的整个代码。

**IT 仅预测我想要的 38 个训练类，如果新图像不属于这 38 个类，则模型应返回 VGG16 类或未找到匹配项。请帮助**在此先感谢。

我使用 keras 进行迁移学习。这就是我所做的：

• 加载没有顶部的预训练模型（Mobilnet）。
• 建立一些层的模型，输入是mobilnet的输出，输出是softmax（分类任务）
• 现在我在瓶颈图像上训练顶级模型作为输入（通过 mobilnet 之后）
• 最后，我想将顶级模型和 mobilnet 连接到完整模型，获得图像并预测分类。

伪代码：

我的目标是连接 mobilnet，我的网络没有火车又重新开始谢谢你

这是从pytorch 迁移学习教程加载图像作为数据集的代码片段：

这是数据集中的示例之一：

是否有任何方法（最佳实践）来更改数据集中的示例数据，例如将标签 0 更改为标签 1。以下不起作用：

在 windows 上通过命令行将 tensorflow 模型转换为 tflite 模型时遇到麻烦。

图像尺寸=224

它总是给出错误

ModuleNotFoundError：没有名为“tensorflow.contrib.lite.python.tflite_convert”的模块

在 Windows 上使用 tflite_convert 有问题。

全部。

我正在使用迁移学习基于我自己的样本构建一个新模型。学习框架是 Keras 2.0+。我修改了参考此页面的代码： 在一组新的类上微调 InceptionV3 https://keras.io/applications/

在训练步骤中没有任何问题。当我使用测试集测试模型时，每张图片都给出相同的预测类，尽管它们来自不同的类。例子：

我测试了8个班级的10张图片，都给了6个班级。

有什么建议吗？</p>

培训代码：

最终训练的准确率有点低，但在 70% 左右

预测代码：

根据[本教程]（https://towardsdatascience.com/keras-transfer-learning-for-beginners-6c9b8b7143e ），我正在使用迁移学习方法在 Keras 中使用按训练的 VGG19 模型。它展示了如何训练模型，但不展示如何为预测准备测试图像。

在评论部分它说：

获取图像，使用相同的preprocess_image函数对图像进行预处理，然后调用model.predict(image). 这将为您提供该图像上模型的预测。使用argmax(prediction)，您可以找到图像所属的类。

我在代码中找不到名为preprocess_imageused 的函数。我做了一些搜索并想到使用本教程提出的方法。

但这给出了一个错误说：

我的数据集有 12 个类别。这是训练模型的完整代码以及我是如何得到这个错误的：

IPython：

IPython 提示中的最后一行导致以下错误：

我应该如何正确输入我的测试图像并获得预测？

我正在尝试通过使用数据增强来提高使用 Xception 作为预训练模型的迁移学习模型的性能。目标是对犬种进行分类。train_tensors并将valid_tensors训练和测试图像分别包含在一个 numpy 数组中。

但是，最后 4 行的输出是：

predict_generator 函数返回的样本数量与其提供给它的样本不同。样品是否被跳过或遗漏？

我遇到以下错误：

ValueError：检查时出错：预期dense_1_input有2维，但得到了形状为（1、16、16、512）的数组

这发生在这一行：

img_class = model.predict_classes(feature_value)

关于如何解决这个问题的任何想法？

这是完整的脚本：

谢谢。

我想用简单的 MLP 模型进行迁移学习。首先，我在大数据上训练一个隐藏层前馈网络：

然后我想将唯一的隐藏层作为输入传递给一个新网络，我想在其中添加第二层。重用层不应该是可训练的。

编辑： 上面的代码返回：

使这项工作的诀窍是什么？