Question

我想用keras.applications.resnet50训练模型。

但是在我的数据中，它们不仅是图像，而且表中还有一些可变项。

我看到了keras的文档，keras.layers.concatenate可以在平整图像项后将两层结合在一起。

但是keras.applications.resnet50不能连接可变项。

如何基于预训练模型对图层进行分组？

我的演示代码受到打击：

import keras
from keras.models import Sequential, concatenate
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.utils import to_categorical
from keras.layers import Input
from keras.models import Model
from keras.applications.resnet50 import ResNet50
VariableSize = 16
ResNet = ResNet50(include_top=True, weights=None, input_tensor=None, input_shape=(64,64,3), pooling=None, classes=2)
ResNet.layers.pop()
VariableNet = Input(shape=(VariableSize,))
ModelNet = keras.layers.concatenate([ResNet, VariableNet])  ##  Error
##
##  And connect output layer before complie

Answer 1

当您将ResNet作为输入传递到keras.layers.concatenate时，您将传递完整的模型，而不只是一个图层。要将ResNet的输出层与可变长度输入连接起来，只需将ResNet替换为ResNet.output，如下所示：

ModelNet = keras.layers.concatenate([ResNet.output, VariableNet])

keras中的自定义keras.applications模型

1 个答案: