删除最后一层并在Keras中插入三个Conv2D层

Question

我在Keras中有一个用于分类的模型，该模型是我在一些数据集上训练的。将该模型称为“ classification_model”。该模型保存在“ classification.h5”中。除了删除最后一个卷积层，并添加三个Conv2D大小的(3,3)层之外，检测模型是相同的。因此，我们的检测模型“ detection_model”应如下所示：

detection_model =分类模型[：last_conv_index] + Conv2d + Conv2d + Conv2d。

我们如何在Keras中实现它？

Answer 1

好吧，加载您的分类模型并使用Keras functional API来构建新模型：

model = load_model("classification.h5")

last_conv_layer_output = model.layers[last_conv_index].output
conv = Conv2D(...)(last_conv_layer_output)
conv = Conv2D(...)(conv)
output = Conv2D(...)(conv)

new_model = Model(model.inputs, output)

# compile the new model and save it ...