应用程序中的Keras形状错误Inception Resnet v2

Question

我正在使用Keras 2.1.3，我正在尝试使用Keras应用程序微调Inception Resnetv2。

所以我从keras.applications

加载预训练模型

input_tensor = Input(shape=(299,299,3))
model = applications.inception_resnet_v2.InceptionResNetV2(weights='imagenet', 
                                                        include_top=False,
                                                        input_tensor=input_tensor,
                                                        input_shape=(299, 299,3))

我为我的问题制造了瓶颈：

top_model = Sequential()
top_model.add(Flatten(input_shape=model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dropout(0.5))
top_model.add(Dense(40, activation='softmax'))

最后创建一个新模型来连接这两个部分：

new_model = Sequential()
for l in model.layers:
      new_model.add(l)

在此步骤中，我收到了错误

  

ValueError：输入0与图层conv2d_7不兼容：输入形状的预期轴-1具有值192但形状为（无，35,35,64）

所以我打印了每个图层形状，我有

  

图层n-1：输入:(无，35,35,64），输出:(无，35,35,64）

     

图层n：输入:(无，35,35,192），输出:(无，35,35,48）

正如你所看到的那样，形状不匹配，来自Keras似乎很奇怪。

Answer 1

我不确定 top_model.add（Flatten（input_shape = model.output_shape [1：]））正在传递所需的尺寸。
＆＃xA;另一种方法是试试。

＆＃xA;＆＃xA;

  ResNetV2_model_output = model.output＆＃xA; new_concatenated_model = Flatten（）（ResNetV2_model_output）＆＃xA; new_concatenated_model =（Dense（256， activation ='relu'））（new_concatenated_model）＆＃xA; new_concatenated_model =（（Dropout（0.5）））（new_concatenated_model）＆＃xA; new_concatenated_model =（Dense（40，activation ='softmax'））（new_concatenated_model）＆＃ XA;  

＆＃XA;