Question

我有Keras＆＃39; image_dim_ordering属性设置为＆＃39; tf＆＃39;，因此我将模型定义为：

model = Sequential()
model.add(ZeroPadding2D((1, 1), input_shape=(224, 224, 3)))
model.add(Convolution2D(64, 3, 3, activation='relu'))

但是当我调用load_weights方法时，它崩溃了，因为我的模型是使用＆＃34; th＆＃34;格式：

Exception: Layer weight shape (3, 3, 3, 64) not compatible with provided weight shape (64, 3, 3, 3)

如何加载这些权重并自动转置它们以修复Tensorflow的格式？

Answer 1

我问Francois Chollet这个问题（他没有SO帐号），他很友好地回复了这个问题：

“th”格式意味着卷积内核将具有形状（depth，input_depth，rows，cols）

“tf”格式意味着卷积内核将具有形状（rows，cols，input_depth，depth）

因此，您可以通过np.transpose(x, (2, 3, 1, 0))从前者转换为后者，其中x是卷积内核的值。

以下是进行转换的一些代码：

from keras import backend as K

K.set_image_dim_ordering('th')

# build model in TH mode, as th_model
th_model = ...
# load weights that were saved in TH mode into th_model
th_model.load_weights(...)

K.set_image_dim_ordering('tf')

# build model in TF mode, as tf_model
tf_model = ...

# transfer weights from th_model to tf_model
for th_layer, tf_layer in zip(th_model.layers, tf_model.layers):
   if th_layer.__class__.__name__ == 'Convolution2D':
      kernel, bias = layer.get_weights()
      kernel = np.transpose(kernel, (2, 3, 1, 0))
      tf_layer.set_weights([kernel, bias])
  else:
      tf_layer.set_weights(tf_layer.get_weights())

如果模型包含Convolution2D图层下游的密集图层，则第一个Dense图层的权重矩阵也需要进行混洗。

Answer 2

您可以Use This Script自动将theano / tensorflow后端训练后的模型权重直接转换为其他3种可能的后端/暗淡排序组合。

当keras设置为TF格式时，以TH格式加载权重

2 个答案: