Question

我正在tensorflow上使用带有python 3和keras的ubuntu，我正尝试使用从预先训练的keras模型中进行转移学习来创建模型，如here所述：

我正在使用以下代码

import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(1, 224, 224, 3) + 0.001
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()
inputLayer = mobilenet_model.input

m = Model(input=inputLayer, outputs=mobilenet_model.get_layer("conv_pw_13_relu")(inputLayer))
m.set_weights(mobilenet_model.get_weights()[:len(m.get_weights())])
p = m.predict(a)
print(np.std(p), np.mean(p))
print(p.shape)

我正在使用的图层的输出始终是零数组，是否应该将权重加载到我正在创建的p上，以使预先训练的模型真正起作用？

Answer 1

各层与这些层的输出之间的Keras有所不同。您可以将图层视为代表计算，将输出视为这些计算的结果。当实例化一个Model对象时，它期望计算的结果作为输出，而不是计算本身，因此是错误。要对其进行修复，可以将图层的输出传递给Model构造函数：

import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(24, 224, 224, 3)
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()

model_output = mobilenet_model.get_layer("conv_pw_13_relu").output
m = Model(inputs=mobilenet_model.input, outputs=model_output)
print(m.predict(a))

Answer 2

为了访问Keras模型中中间层的输出，Keras提供了不同的方法。

根据您的情况，您可以像这样获取所需图层的输出

model_out = mobilenet_model.get_layer("layer_you_want").output
m = Model(input=inputLayer, outputs=model_out)

有关此方法和其他可用方法的更多详细信息，请查看this文档

从非最终Keras模型层获取输出

2 个答案: