Question

我正在使用VGG16对其数据集进行微调。

这是模型：

def finetune(self, aux_input):
        model = applications.VGG16(weights='imagenet', include_top=False)
        # return model

        drop_5 = Input(shape=(7, 7, 512))
        flatten = Flatten()(drop_5)
        # aux_input = Input(shape=(1,))
        concat = Concatenate(axis=1)([flatten, aux_input])

        fc1 = Dense(512, kernel_regularizer=regularizers.l2(self.weight_decay))(concat)
        fc1 = Activation('relu')(fc1)
        fc1 = BatchNormalization()(fc1)

        fc1_drop = Dropout(0.5)(fc1)
        fc2 = Dense(self.num_classes)(fc1_drop)
        top_model_out = Activation('softmax')(fc2)

        top_model = Model(inputs=drop_5, outputs=top_model_out)

        output = top_model(model.output)

        complete_model = Model(inputs=[model.input, aux_input], outputs=output)

        return complete_model

我有两个模型输入。在上面的函数中，我将Concatenate用于扁平化数组和aux_input。我不确定这是否适用于imagenet权重。

运行此命令时，出现错误：

ValueError：图形已断开：无法获得张量的值层上的Tensor（“ aux_input：0”，shape =（?, 1），dtype = float32） “ aux_input”。访问以下先前的层时没有问题：['input_2'，'flatten_1']

不确定我要去哪里。

如果重要，这是合适的功能：

model.fit(x={'input_1': x_train, 'aux_input': y_aux_train}, y=y_train, batch_size=batch_size,
                    epochs=maxepoches, validation_data=([x_test, y_aux_test], y_test),
                    callbacks=[reduce_lr, tensorboard], verbose=2)

但是，当我调用fit时，在此model.summary()函数之前出现错误。

Answer 1

问题是您在aux_input中使用了top_model，但是在top_model的定义中没有将其指定为输入。尝试用以下内容替换top_model和output的定义：

top_model = Model(inputs=[drop_5, aux_input], outputs=top_model_out)
output = top_model([model.output, aux_input])

使用Keras Functional API调整模型

1 个答案: