keras inceptionV3错误“ base_model.get_layer('custom')” ValueError:无此类图层:custom

时间:2018-12-03 15:14:28

标签: python tensorflow keras classification

我正在尝试使用InceptionV3预先训练的模型提取特征(在keras应用程序中使用)。我的代码包含以下代码块:

 base_model = InceptionV3(include_top=include_top, weights=weights, input_tensor=Input(shape=(299,299,3)))
 model = Model(input=base_model.input, output=base_model.get_layer('custom').output)
 image_size = (299, 299)

当我运行它时,出现以下错误:

ValueError                                Traceback (most recent call last)
<ipython-input-24-fa1f85b62b84> in <module>()
     20 elif model_name == "inceptionv3":
     21   base_model = InceptionV3(include_top=include_top, weights=weights, input_tensor=Input(shape=(299,299,3)))
---> 22   model = Model(input=base_model.input, output=base_model.get_layer('custom').output)
     23   image_size = (299, 299)
     24 elif model_name == "inceptionresnetv2":

~\Anaconda3\lib\site-packages\keras\engine\network.py in get_layer(self, name, index)
    362         """Retrieves the model's updates.
    363 
--> 364         Will only include updates that are either
    365         unconditional, or conditional on inputs to this model
    366         (e.g. will not include updates that depend on tensors

ValueError: No such layer: custom

我尝试完全卸载并重新安装Keras。 在我读过的某处,我在InceptionV3.py文件(在keras应用程序文件夹中)中包含以下内容:

from ..layers import Flatten

我在导入中添加了此内容。仍然没有运气。有人可以帮我吗?我是Keras的新手。

1 个答案:

答案 0 :(得分:3)

好吧...我认为您正在关注this tutorial,在我看来,它并不是真正的最大Keras用户。

所引用的自定义层是由教程在他们更改keras源代码时创建的(请不要这样做,这不是一种安全的工作方式,并且会在以后的项目中造成麻烦

自定义层是在教程的这一部分中创建的:

`Add in "<model>.py"


...
...
if include_top:
    # Classification block
    x = GlobalAveragePooling2D(name='avg_pool')(x)
    x = Dense(classes, activation='softmax', name='predictions')(x)
else:
    if pooling == 'avg':
        x = GlobalAveragePooling2D()(x)
    elif pooling == 'max':
        x = GlobalMaxPooling2D()(x)
    x = Flatten(name='custom')(x)
...

评论:

  • 这完全没有必要。全球池的输出已经被拉平。
  • 这对您将来的项目很危险,因为您正在更改keras源代码。

您只需做模型的最后一层,就可以完全相同而无需创建该平坦层:

lastLayer = base_model.layers[-1]

更多:如果目标层是最后一层,则不需要任何这些。照原样使用base_model

如果您想要最后带有Dense层的完整模型,只需使用include_top=True

如果要自定义数量的类,请告诉模型构造函数。

如果要使用真正的中间层,请调用model.summary()来查找层的名称。