Question

我拟合了来自顶层（VGG16）的模型，没有顶层（我创建顶层并按顺序添加）。我将VGG16图层设置为不可训练，并通过检查点保存使模型适合我。

vgg16_net.trainable = False

model = Sequential()

model.add(vgg16_net)
model.add(Flatten())
model.add(Dense(1024, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(5, activation=softmax, name='predictions'))
checkpointer = ModelCheckpoint(monitor='val_acc',filepath='Keras_VGG16_Best_Weights.hpf5', verbose=1, save_best_only=True)

接下来，当我适合这些顶层时，我想适合最后的转化层：

i = 1
for layers in VGG16_net.layers:
    if i <= 15:
        layers.trainable = False
    else:
        layers.trainable = True
    i += 1

model = Sequential()

model.add(VGG16_net)
model.add(Flatten())
model.add(Dense(1024, activation = 'relu'))
model.add(Dropout(0.5))
model.add(Dense(5, activation = softmax, name = 'predictions'))

从旧模型中保存权重并将训练后的权重加载到新模型中

model.load_weights('only_weights_VGG116.h5')

但是我有错误

Cannot feed value of shape (64, 3, 3, 3) for Tensor 'Placeholder_20:0', which has shape '(3, 3, 512, 512)'

我知道，在VGG16中有错误连接到可训练的位置，但是我现在不解决此问题。如果我将VGG16设置为不可训练，则所有层都将成功加载。请帮帮我，我想在我的新模型中加载此权重以进行火车最后一次转化图层。如果这不可能，请写下。对不起，我的英语！）

凯拉斯。 VGG16培训

0 个答案: