Question

我正在尝试为具有不同类的数据集微调VGG16模型。在this example之后，我尝试这样做：

from keras.applications.vgg16 import VGG16
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras import backend as K

pretrained = VGG16(include_top=False, weights='imagenet')
model = pretrained.output

# Add new layers here

model = Model(inputs=pretrained.input, outputs=model)

但是，我在向模型中添加新图层时遇到了问题。在model = pretrained.output行之后，我尝试了以下每一行（一次一行）：

model = Flatten()(pretrained)

model = MaxPooling2D((2,2), strides=(2,2))(pretrained)

model = Dense(1024, activation='relu')(model)

model = Convolution2D(32, 3, 3)(model)  

model = GlobalAveragePooling2D()(x)

对于我试过的前两行，我收到了错误

AttributeError: 'Model' object has no attribute 'get_shape'

当我尝试最后三行中的每一行时，每次出现与图层大小相关的错误时，例如model = Convolution2D(32, 3, 3)(model)行给了我：

Error when checking target: expected conv2d_1 to have 4 dimensions, but got array with shape (38, 100)

如何解决这些错误？更一般地说，我怎么知道哪些类型的层可以附加到卷积模型？

Answer 1

添加此图层后：

model = Flatten()(pretrained)

您的模型已变得“平坦”并获得了维度[None, X] - 其中X是上一层pretrained.output中包含的神经元总数。

这就是为什么显然在此之后，你不能仅因为模型的形状不是“方形”（例如(None,3,28,20)）而应用卷积和合并图层。为了使一切运行良好，您需要确定pretrained.output的输出维度，然后在没有Flatten()图层的情况下，应用卷积或池的操作以及必要大小的内核等。< / p>

错误＆＃34;模型对象没有属性＆＃39; get_shape＆＃39;＆＃34; - 微调Keras模型

1 个答案: