我正在阅读这篇论文：神经风格迁移。在本文中，作者从 vgg19 层的输出重建图像。我正在使用 Keras。block1_conv1层的输出大小为(1, 400, 533, 64)。这里 1 是作为输入的图像数，400 是行数，533 列数和 64 个通道数。当我尝试将其重建为图像时，由于图像大小为 13644800 不是 3 的倍数，因此出现错误，因此我无法在三个通道中显示图像。我怎样才能重建这个图像？

我想从图层重建图像，如下所示： 下面是相同的代码：

我收到以下错误：

我正在做一个细菌检测项目。

我的问题是：使用预训练的权重并且只在最后几层训练模型以检测异常物体是否相关？还是我应该从头开始训练模型？（我有大约 2000 张细菌图像，我还没有使用任何数据增强）我尝试在 tiny-yolo 模型上从头开始训练 yoloV3，但我损失了 4 分钟...有什么建议吗？有什么喜欢的型号吗？

我最近开始在一个项目中利用 Keras 的 flow_from_dataframe() 功能，并决定使用 MNIST 数据集对其进行测试。我有一个包含 png 格式的 MNIST 样本的目录，以及一个数据框，其中每一列的绝对目录和另一列中的标签。

我还在使用迁移学习，导入 VGG16 作为基础，并在 10 的 softmax 层之前添加我自己的 512 个节点的 relu 密集层和 0.5 个 dropout。（对于数字 0-9）。我使用 rmsprop (lr=1e-4) 作为优化器。

当我启动我的环境时，它会从 Git 调用最新版本的 keras_preprocessing，它支持绝对目录和大写文件扩展名。

我的问题是我的训练准确率非常高，而验证准确率非常低。在我的最后一个 epoch (10) 时，我的训练准确度为 0.94，验证准确度为 0.01。

我想知道我的脚本是否存在根本问题？使用另一个数据集，我什至在 epoch 4 之后获得了我的训练和验证损失值的 NaN。（我检查了相关列，没有任何空值！）

这是我的代码。如果有人可以浏览它，看看是否有什么东西跳出来，我将非常感激。

我想用pre-train Net，比如VGG、ResNet。在 Keras 中，必须在 input_shape 中指定 (w,h,3) 中的甲酸盐。如果我想将频道指定为1，还有更多的技巧吗？

我想指定 3 比 1：

提前致谢！

I am trying to fine-tune VGG16 neural network, here is the code:

I am getting this error:

ValueError Traceback (most recent call last) in

2 model.add(vgg16_model)

3 #add fully connected layer:

----> 4 model.add(Flatten())

5 model.add(Dense(256, activation='relu'))

6 model.add(Dropout(0.5))

/usr/local/anaconda/lib/python3.6/site-packages/keras/engine/sequential.py in add(self, layer) 179 self.inputs = network.get_source_inputs(self.outputs[0])

180 elif self.outputs:

--> 181 output_tensor = layer(self.outputs[0])

182 if isinstance(output_tensor, list):

183 raise TypeError('All layers in a Sequential model '

/usr/local/anaconda/lib/python3.6/site-packages/keras/engine/base_layer.py in call(self, inputs, **kwargs)

412 # Raise exceptions in case the input is not compatible

413 # with the input_spec specified in the layer constructor.

--> 414 self.assert_input_compatibility(inputs)

415

416 # Collect input shapes to build layer.

/usr/local/anaconda/lib/python3.6/site-packages/keras/engine/base_layer.py in assert_input_compatibility(self, inputs)

325 self.name + ': expected min_ndim=' +

326 str(spec.min_ndim) + ', found ndim=' +

--> 327 str(K.ndim(x)))

328 # Check dtype.

329 if spec.dtype is not None:

ValueError: Input 0 is incompatible with layer flatten_5: expected min_ndim=3, found ndim=2

I tried many suggested solutions but none of them could solve my problem. How can I solve this?

我已经训练了一个 vgg16 模型来预测 102 类花卉。但是现在它起作用了，因为我试图理解它的一个预测，我觉得它的行为不正常。

模型布局

在单个图像上测试

鉴于这是我在单个图像上测试它的方式（并且模型像往常一样在批次上进行训练和测试，它返回一个似乎没有被归一化或加起来为 1 的预测矩阵。

这是正常的吗？

我在 google colabs 上运行我的代码，但我的顺序模型没有编译。我无法从预先存在的模型创建新的顺序模式并对其进行编译。我已经从模型中调用了编译函数，但我不知道为什么会弹出错误。我不知道我在哪里搞砸了。实际上我在做一些不同的事情，但这是一个旨在查找错误的简化代码。

回溯如下：

我的任务是使用 Keras 的预训练网络对航拍图像进行分类（我们有一个包含 30 类航拍图像的数据库，每类包含 200-400 张图像）。现在，我不太明白的是下一部分。

我们必须使用较小的图像数据库进行中级微调，其中包含 21 个航空类别。

我怎样才能做到这一点？

我是否应该尝试在 VGG16 网络上微调较小的数据库，然后保存模型并在其上训练较大的数据库？

我已经训练了一个 vgg16 模型来预测 102 类花卉。但是现在它起作用了，因为我试图理解它的一个预测，我觉得它的行为不正常。

模型布局

在单个图像上测试

鉴于这是我在单个图像上测试它的方式（并且模型像往常一样在批次上进行训练和测试，它返回一个似乎没有被归一化或加起来为 1 的预测矩阵。

这是正常的吗？

我正在浏览 vgg16 模型并看到了这个：

和

1. 以上两者有什么区别？
2. 第二次初始化是否也会在导入的 vgg16 模型中加载权重？
3. 如何在不加载权重的情况下只导入 vgg16 ？