我无法从keras.applications模块导入resnet

Question

我无法导入该模块

import keras.applications.resnet

  

ModuleNotFoundError
   在（）中   ----> 1导入keras.applications.resnet

ModuleNotFoundError: No module named 'keras.applications.resnet'

---

keras resnet link

Answer 1

Keras团队尚未在当前模块中包含resnet，resnet_v2和resnext，它们将从Keras 2.2.5中添加，如here所述。

要解决此问题，您可以直接使用keras_applications模块导入所有ResNet，ResNetV2和ResNeXt模型，如下所示

from keras_applications.resnet import ResNet50

或者如果您只想使用ResNet50

from keras.applications.resnet50 import ResNet50

或者，您始终可以按照here所述从源代码进行构建。

Answer 2

在Keras中，ResNet有多种形式，您将必须指定所需的ResNet版本，例如您希望加载ResNet50。

使用

from keras.applications import ResNet50

编辑2 这是在应用程序上使用dir()命令时获得的列表

['DenseNet121', 'DenseNet169', 'DenseNet201', 'InceptionResNetV2', 'InceptionV3', 'MobileNet', 'MobileNetV2', 'NASNetLarge', 'NASNetMobile', 'ResNet50', 'VGG16', 'VGG19', 'Xception', '__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__path__', '__spec__', 'absolute_import', 'backend', 'densenet', 'division', 'inception_resnet_v2', 'inception_v3', 'keras_applications', 'keras_modules_injection', 'layers', 'mobilenet', 'mobilenet_v2', 'models', 'nasnet', 'print_function', 'resnet50', 'utils', 'vgg16', 'vgg19', 'xception']，此处可见的模型可以像这样被修饰，这里缺少ResNet101之类的模型，让我看看是否可以提出解决此问题的方法。

编辑证明同样可行

要查看Resnet模型的所有可用版本，请访问https://keras.io/applications/#resnet

Answer 3

在Keras 2.2.4 here中找到了使用ResNeXt的变通办法。

  

ResNeXt50（）函数还需要另外4个参数：后端，层，模型和实用程序。

import keras
from keras_applications.resnext import ResNeXt50

model = ResNeXt50(weights='imagenet',
                  backend=keras.backend,
                  layers=keras.layers,
                  models=keras.models,
                  utils=keras.utils)

Answer 4

检查版本。

<dash-board></dash-board>
<router-outlet></router-outlet>

如果已安装，请卸载并升级。

pip list | grep Keras

希望有帮助。

Answer 5

有一个名为“ keras-resnet”的python软件包，其中包含ResNet50，ResNet101，ResNet152以及ResNet的更多变体。 （https://pypi.org/project/keras-resnet/）

安装也很容易。只需输入

pip install keras-resnet

它将安装此模块，然后像下面这样使用它：

from keras_resnet.models import ResNet50, ResNet101, ResNet152

backbone = ResNet50(inputs=image_input, include_top=False, freeze_bn=True)
C2, C3, C4, C5 = backbone.outputs # this will give you intermediate 
# outputs of four blocks of resnet if you want to merge low and high level features

我正在使用此模块中的主干，对我来说工作正常！