Question

我正在尝试使用Keras应用程序实现多个网络。这里我附加了一段代码，这段代码适用于ResNet50和VGG16，但是当涉及到MobileNet时，它会产生错误：

ValueError：检查目标时出错：期望dense_1有4个维度，但得到的数组有形状（24,2）

我正在使用带有3个通道和批量大小为24的224x224图像，并尝试将它们分为2类，因此错误中提到的数字24是批量大小，但我不确定2号，可能是课程数量。

顺便问一下，是否有人知道我为什么会收到keras.applications.mobilenet的错误？

# basic_model = ResNet50()
# basic_model = VGG16()
basic_model = MobileNet()
classes = list(iter(train_generator.class_indices))
basic_model.layers.pop()
for layer in basic_model.layers[:25]:
    layer.trainable = False
last = basic_model.layers[-1].output
temp = Dense(len(classes), activation="softmax")(last)

fineTuned_model = Model(basic_model.input, temp)
fineTuned_model.classes = classes
fineTuned_model.compile(optimizer=Adam(lr=0.0001), loss='categorical_crossentropy', metrics=['accuracy'])
fineTuned_model.fit_generator(
        train_generator,
        steps_per_epoch=3764 // batch_size,
        epochs=100,
        validation_data=validation_generator,
        validation_steps=900 // batch_size)
fineTuned_model.save('mobile_model.h5')

Answer 1

从源代码中，我们可以看到您正在弹出Reshape()图层。正是将卷积输出（4D）转换为类张量（2D）的那个。

Source code:

if include_top:
    if K.image_data_format() == 'channels_first':
        shape = (int(1024 * alpha), 1, 1)
    else:
        shape = (1, 1, int(1024 * alpha))

    x = GlobalAveragePooling2D()(x)
    x = Reshape(shape, name='reshape_1')(x)
    x = Dropout(dropout, name='dropout')(x)
    x = Conv2D(classes, (1, 1),
               padding='same', name='conv_preds')(x)
    x = Activation('softmax', name='act_softmax')(x)
    x = Reshape((classes,), name='reshape_2')(x)

但所有keras卷积模型都是以不同的方式使用。如果您需要自己的类数，则应使用include_top=False创建这些模型。这样，模型的最后部分（类部分）将根本不存在，您只需添加自己的图层：

basic_model = MobileNet(include_top=False)
for layer in basic_model.layers:
    layers.trainable=False

furtherOutputs = YourOwnLayers()(basic_model.outputs)

您应该尝试复制keras代码中显示的最后一部分，并使用您自己的类数更改classes。或者尝试从完整模型中弹出3个图层，Reshape，Activation和Conv2D，将它们替换为您自己的图层。

MobileNet ValueError：检查目标时出错：期望dense_1有4个维度，但得到的数组有形状（24,2）

1 个答案: