调整ResNet for Cat-Dog

Question

我正在经典的Cat-Dog Kaggle数据集上学习CNN。我正在尝试实现不同的CNN架构； ResNet在列表上排名第二。

我了解ResNet（特别是ResNet50）是一种功能模型。最后一层如下：

__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to
==================================================================================================
fc1000 (Dense)                  (None, 1000)         2049000     avg_pool[0][0] 

我想将其更改为2输出密集层。当我使用VGG-16进行此操作时，我使用了以下代码：

vgg16_model = Sequential()
for layer in pre_vgg16_model.layers:
    vgg16_model.add(layer)
vgg16_model.layers.pop()
for layer in vgg16_model.layers:
    layer.trainable = False
vgg16_model.add(Dense(2, activation='softmax'))

自然，这在这里不起作用，因为它不是顺序的。 Keras文档似乎表明功能模型以更“裸露的”风格构建，在模型开发时定义和重新定义张量。问题是，如果这样做，我将失去预训练的好处。

对于功能的CNN模型，我如何对最终的密集层执行类似的弹出和替换操作？