如何在Tensorflow中使用没有类的预训练模型？

Question

我尝试使用预训练网络，例如tf.keras.applications.ResNet50，但我有两个问题：

我只想获得网络末端的顶层嵌入层，因为我不想做任何图像分类。所以由于这个原因，我认为不需要课程编号。

• tf.keras.applications.ResNet50采用默认参数'classes=1000'

  • 有没有办法省略这个参数？

• 我的输入图片为128*128*1像素，而非224*224*3

  • 修复输入数据形状的最佳方法是什么？

我的目标是使用resnet网络的输出建立三元组丢失网络。

非常感谢！

Answer 1

• ResNet50完全具有参数include_top - 将其设置为False以跳过上一个完全连接的图层。 （然后输出长度为2048的特征向量）。

• 缩小图片尺寸的最佳方法是重新取样图片，例如使用专用函数tf.image.resample_images。

  • 另外，我最初没有注意到你的输入图像只有三个频道，thx @Daniel。我建议你在GPU上构建你的3通道灰度图像（而不是使用numpy在主机上），以避免使用tf.tile将数据传输增加到GPU内存的三倍：

    im3 = tf.tile(im, (1, 1, 1, 3))
    

Answer 2

作为对方答案的补充。您还需要使您的图像有三个通道，虽然技术上不是Resnet的最佳输入，但它是最简单的解决方案（如果您访问源代码并自行更改输入形状，也可以选择更改Resnet模型）。

使用numpy在三个频道中打包图像：

images3ch = np.concatenate([images,images,images], axis=-1)