Question

训练神经网络并将其保存为特定格式（例如.h5或.json格式）后。假设我想使用网络进行推理但没有层（例如批处理规范化），我可以仅从模型文件（.h5或json）中删除此层并进行推理吗？

这有可能改变网络并进行推理吗？如果是，怎么办？

Answer 1

是的，它实际上很简单：)您需要使用参数命名所有图层，并使用model.save_weights保存权重并使用所需的架构来构建另一个模型，该模型共享一些层。然后，您可以使用new_model.load_weights(..., by_name=True)仅加载共享层documentation。这是一个示例：

input = Input(..., name='image_in')
conv1 = Conv2D(..., name='conv2d')(input)
normed = BatchNormalization(...)(conv1)
out = Flatten()(normed)
out = Dense(num_classes, activation='softmax', name='final_dense')(out)
model = Model(input, out)
# ... train etc
model.save_weights(model_file)

然后，您可以创建另一个模型，并为要共享的图层使用相同的名称：

input = Input(..., name='image_in')
conv1 = Conv2D(..., name='conv2d')(input) # reuse conv2d
out = Flatten()(conv1) # we got rid of batch
out = Dense(num_classes, activation='softmax', name='final_dense')(out) # reuse final_dense
new_model = Model(input, out)
# ... now load
new_model.load_weights(model_file, by_name=True)

设置by_name=True仅将名称匹配的图层加载到您想要的任何体系结构中。

Answer 2

一种方法，可以为不同类型的模型编辑提供很大的自由度，但很麻烦：

通过调用
获取您的keras模型的配置和权重
temp_config = my_model.get_config（）

temp_weights = my_model.get_weights（）
分析要更改或删除的temp_config中的哪一层。
对temp_config进行更改，并对temp_weights进行相应的更改。不幸的是，由于每个权重只是相互附加（通常最终会产生权重，偏差，权重，偏差，权重，偏差等），因此很难找到每一层的正确权重。如果要删除图层，请删除该图层的相应权重。
然后使用新的配置和权重构建模型

new_model = Model.from_config（new_config）

new_model.set_weights（new_weights）

我们可以在keras中更改训练后的神经网络结构（.json或.h5文件）及其权重（.h5文件）吗？

2 个答案: