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')
答案 0 :(得分: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。
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。