我想将mobilenet与depth_multiplier（或分辨率乘数）的不同值一起使用。这两行代码给出了以下错误。知道这里出了什么问题吗？
from keras.applications.mobilenet import MobileNet
basic_model = MobileNet(alpha=0.25, depth_multiplier=0.25, weights=None)
错误：
追踪（最近一次呼叫最后一次）：
文件“C：/Users/Pedro/Desktop/Work/Smile/files/CVPR_2016_SMILES_DATA/test.py”，第2行，in basic_model = MobileNet（alpha = 0.25，depth_multiplier = 0.25，weights = None）
MobileNet中的文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ applications \ mobilenet.py”，第456行 x = _depthwise_conv_block（x，64，alpha，depth_multiplier，block_id = 1）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ applications \ mobilenet.py”，第654行，在_depthwise_conv_block中 name ='conv_dw_％d'％block_id）（输入）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ engine \ topology.py”，第576行，调用 self.build（input_shapes [0]）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ applications \ mobilenet.py”，第228行，构建约束= self.depthwise_constraint）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ legacy \ interfaces.py”，第87行，在包装返回函数中（* args，** kwargs）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ engine \ topology.py”，第397行，add_weight weight = K.variable（initializer（shape），
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ initializers.py”，第212行，调用 dtype = dtype，seed = self.seed）< / p>
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ keras \ backend \ tensorflow_backend.py”，第3627行，in random_uniform dtype = dtype，seed = seed）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ ops \ random_ops.py”，第240行，为random_uniform形状，dtype，seed = seed1，seed2 = seed2）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ ops \ gen_random_ops.py”，第247行，_random_uniform seed = seed，seed2 = seed2，name = name）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ op_def_library.py”， 第589行，在apply_op param_name = input_name）
文件“C：\ Users \ Pedro \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ op_def_library.py”， 第60行，在_SatisfiesTypeConstraint中 “，”。join（允许列表中的x的dtypes.as_dtype（x）.name）））
TypeError：传递给参数'shape'的值没有DataType float32 在允许值列表中：int32，int64
来自mobilent paper：“第二个用于降低神经网络计算成本的超参数是分辨率乘数ρ。我们将其应用于输入图像，每个层的内部表示随后通过在实践中，我们通过设置输入分辨率隐式设置ρ。我们现在可以将网络核心层的计算成本表示为具有宽度乘数α和分辨率乘数ρ的深度可分离卷积： DK·DK·αM·ρDF·ρDF+αM·αN·ρDF·ρDF（7） 其中ρ∈（0,1）通常是隐式设置的，因此网络的输入分辨率为224,192,160或128.ρ= 1是基线MobileNet，ρ＆lt; 1是减少计算的MobileNets。分辨率乘数有计算成本降低ρ^ 2的效果。“
Keras声称depth_multiplier与here和here中的分辨率乘数相同：“depth_multiplier：深度卷积的深度乘数（也称为分辨率乘数）”
答案 0 :(得分：0)
答案在追溯电话的底部。
它需要一个整数，例如25（不带小数点的数字）而不是浮点数，例如0.25
depth_multiplier：深度卷积输出通道的数量 对于每个输入通道。 深度卷积输出的总数 渠道将等于
filters_in * depth_multiplier。
参考：https://github.com/fchollet/deep-learning-models/blob/master/mobilenet.py
答案 1 :(得分：0)
它似乎只是错误的命名而且它们不一样。您可以阅读更多here