Question

我在keras中做cross_modality_pretrain。我使用InceptionResNetv2预训练模型，得到conv2d_1的权重，其形状为（3 3 3 32）（高度，宽度，通道，输出）

model_base = InceptionResNetV2(include_top=False, weights='imagenet')

weight = model_base.get_weights()
weight_conv2d_1 = weight[0]
weight_conv2d_1 = np.mean(weight_conv2d_1, axis=2, keepdims=True)

我将其改为（3 3 20 32）

for i in range(20):
    if i == 0:
        weight_change = np.concatenate((weight_conv2d_1,), axis=2)
    else:
        weight_change = np.concatenate((weight_change, weight_conv2d_1), axis=2)

现在，我想设置新的重量，

weight[0] = weight_change
model_base.set_weights(weight)

但是，我得到错误：

ValueError: Cannot feed value of shape (3, 3, 10, 32) for Tensor u'Placeholder:0', which has shape '(3, 3, 3, 32)'

我该如何解决？谢谢！

Answer 1

首先，错误是set_weight输入应具有相同的get_weight形状，但它们是（3 3 3 32）和（3 3 20 32）。

其次，我尝试通过更改模型配置参数model.weights()来解决此问题，将模型配置参数从（3 3 3 32）更改为（3 3 20 32）。 model.weights()返回list[tf.Variable < shape (3 3 3 32)>]。在python中，类型list是可变的，但是我失败了，我无法改变它。我怎么解决呢？谢谢！

最后，我通过model.get_config解决问题以获取配置参数，更改它并通过Model.from_config()重建新模型。

如何在Keras中进行cross_modality_pretrained：设置不同的形状权重

1 个答案: