Question

我知道此错误已多次发布，但我没有找到与我匹配的案例，我真的不明白为什么会出现这种错误。

所以我试图微调一个VGG16网络，而且如果我只是改变了输出层并使一些早期的层可训练，那么训练似乎不起作用，我只是想通过删除最后一层并添加新的。

具体来说，我将顶层删除到最后一个卷积层，因此网络如下所示：

Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 224, 224, 3)       0         
_________________________________________________________________
block1_conv1 (Conv2D)        (None, 224, 224, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 224, 224, 64)      36928     
_________________________________________________________________
block1_pool (MaxPooling2D)   (None, 112, 112, 64)      0         
_________________________________________________________________
block2_conv1 (Conv2D)        (None, 112, 112, 128)     73856     
_________________________________________________________________
block2_conv2 (Conv2D)        (None, 112, 112, 128)     147584    
_________________________________________________________________
block2_pool (MaxPooling2D)   (None, 56, 56, 128)       0         
_________________________________________________________________
block3_conv1 (Conv2D)        (None, 56, 56, 256)       295168    
_________________________________________________________________
block3_conv2 (Conv2D)        (None, 56, 56, 256)       590080    
_________________________________________________________________
block3_conv3 (Conv2D)        (None, 56, 56, 256)       590080    
_________________________________________________________________
block3_pool (MaxPooling2D)   (None, 28, 28, 256)       0         
_________________________________________________________________
block4_conv1 (Conv2D)        (None, 28, 28, 512)       1180160   
_________________________________________________________________
block4_conv2 (Conv2D)        (None, 28, 28, 512)       2359808   
_________________________________________________________________
block4_conv3 (Conv2D)        (None, 28, 28, 512)       2359808   
_________________________________________________________________
block4_pool (MaxPooling2D)   (None, 14, 14, 512)       0         
_________________________________________________________________
block5_conv1 (Conv2D)        (None, 14, 14, 512)       2359808   
_________________________________________________________________
block5_conv2 (Conv2D)        (None, 14, 14, 512)       2359808   
=================================================================
Total params: 12,354,880
Trainable params: 0
Non-trainable params: 12,354,880
_________________________________________________________________

然后我添加一个卷积层：

vgg16_model_ft.add(Conv2D(512, (3,3), padding='same', activation='relu'))

它引发了众所周知的错误：

ValueError: Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=2

我真的不明白为什么ndim = 2被发现用于那个新图层，它对我来说没有意义，即使这样做

vgg16_model_ft.add(Conv2D(512, (3,3), padding='same', activation='relu', input_shape=vgg16_model_ft.layers[-1].output_shape))

没有解决它。但是我对Keras来说仍然是一个新人，所以我必须要有一些微妙之处。我使用带有Tensorflow后端的Keras 2.1.5。

Answer 1

我不知道为什么会收到此错误，但您可以尝试使用Functional API

model_input=Input(shape=(224,224,3))
vgg16_model_ft=VGG16(include_top=False)(input)
new_model=Conv2D(512, (3,3), padding='same', activation='relu')(vgg_model_ft)
new_model=Model(input,new_model)

Answer 2

感谢您的回答，我在切换到功能API时发现了它。显然，使用model.layers.pop()弹出图层确实会更改model.summary()，但不会更改模型本身（除非您编译我猜，但在添加我想要的所有图层之前我没有这样做）。无论如何，我能够在没有功能API的情况下完成它。

现在我有另一个不相关的问题，但我不知道是否应该再发一个帖子......

Keras

2 个答案: