Question

我有一个训练有素的图像去马赛克模型，我想通过删除指定图层上的滤镜来使其更小。

例如，我想采用以下模型（练习）：

    conv1 = Conv2D(32, self.kernel_size, activation='relu', padding='same')(chnl4_input)
    conv2 = Conv2D(32, self.kernel_size, strides=(2, 2), activation='relu', padding='same')(conv1)

    conv5 = Conv2D(64, self.kernel_size, activation='relu', padding='same')(conv2)
    conv6 = Conv2D(64, self.kernel_size, activation='relu', padding='same')(conv5)

    up1 = concatenate([UpSampling2D(size=(2, 2))(conv6), conv1], axis=-1)
    conv7 = Conv2D(64, self.kernel_size, activation='relu', padding='same')(up1)

我想将conv5和conv6层更改为此：

    conv1 = Conv2D(32, self.kernel_size, activation='relu', padding='same')(chnl4_input)
    conv2 = Conv2D(32, self.kernel_size, strides=(2, 2), activation='relu', padding='same')(conv1)

    conv5 = Conv2D(32, self.kernel_size, activation='relu', padding='same')(conv2)
    conv6 = Conv2D(32, self.kernel_size, activation='relu', padding='same')(conv5)

    up1 = concatenate([UpSampling2D(size=(2, 2))(conv6), conv1], axis=-1)
    conv7 = Conv2D(64, self.kernel_size, activation='relu', padding='same')(up1)

我环顾四周，但是没有看到任何明显的方法可以做到这一点。 I found this类似问题的示例，但是该解决方案专门提到新层必须具有与旧层相同数量的过滤器，这对我不利。

如果有人知道我该怎么做，我将非常感激。

[编辑]：为明确起见，我有一个现有模型，例如“模型A”。我想创建一个新模型“ B型”。除了我上面提到的层之外，这两个模型将是相同的。我正在寻找一种使用旧模型权重初始化所有层（除了已更改的层之外）的新模型的方法。然后，新模型将按照常规训练为收敛。

Answer 1

建立一个新模型（结构完全相同，只更改过滤器数量）并正确传递权重：

transferLayers = [0,1,2,3,4,8,9] #indices must be chosen by you properly

for layer in transferLayers:
    newModel.layers[layer].set_weights(oldModel.layers[layer].get_weights())

conv7会出现问题，该问题将接收不同的输入蚂蚁，因此其权重矩阵的大小也不同。

如果更改模型结构怎么办

然后，您可能应该创建两个索引列表，一个用于旧模型，一个用于新模型。

或者您可以重新创建旧模型，在其图层中添加名称：

完全相同地重新创建训练模型，但在每个图层中都添加名称
转移权重：namedTrainingModel.set_weights(unnamedTraininModel.get_weights())
然后创建更改的模型，将相同的名称添加到未更改的图层，将新名称添加到更改的图层

按名称传输权重：

namedTrainingModel.save_weights('filename')    
changedModel.load_weights('filename', by_name=True)

在经过培训的网络keras中编辑图层

1 个答案:

如果更改模型结构怎么办