Question

我正在建立一个暹罗网络来接收2个图像输入，通过同一个卷积网络以提取特征，然后计算图像的距离。

为了获得更高的准确性，我正在尝试为卷积层加载具有图像网络权重的预训练Xception模型，但是仅第一层，因为我需要提取的功能比图像网络的图像更简单（我需要检查手写文字之间的距离。

这是我的模型架构：

def siameseNet(input_shape):
    # Input tensors
    input1 = Input(input_shape)
    input2 = Input(input_shape)

    # Load the Xception model and freeze the layers
    xc = Xception(weights='imagenet', include_top=False, input_tensor=Input(shape=INPUT_SHAPE))
    for l in xc.layers:
        l.trainable = False

    # Create layer dict
    layers = dict([(l.name, l) for l in xc.layers])

    # I only want to use the first 3 conv blocks
    x = layers['block3_pool'].output

    # Add my custom top layer
    x = Flatten()(x)
    x = Dense(500, activation='sigmoid')(x)

    # Create two models, based on the same conv nets
    input_model_1 = x(input1)
    input_model_2 = x(input2)

    # Distance function tensor
    distance_func = Lambda(lambda t: K.abs(t[0]-t[1]))

    # Feed the distance function with the outputs
    distance_layer = distance_func([input_model_1, input_model_2])

    # Final prediction layer
    prediction = Dense(1,activation='sigmoid')(distance_layer)

    #Create the full siamese model
    network = Model(inputs=[input1,input2],outputs=prediction)

    return network

model = siameseNet((299,299,3))

但是当我致电siameseNet时，我得到了错误消息：

TypeError跟踪（最近的呼叫   最后）        38        39   ---> 40个模型= siameseNet（（299,299,3））
     siameseNet中的
（input_shape）        20        21＃基于相同的卷积网络创建两个模型   ---> 22 input_model_1 = x（input1）        23 input_model_2 = x（input2）        24

TypeError：“张量”对象不可调用

我以前没有预先训练的模型就完成了相同的任务，不同之处在于，我没有使用custo张量（在这种情况下为x），而是使用了从头开始构建的Sequential模型。

要使体系结构正常工作，我应该如何更改模型？

Answer 1

您只能在模型或层上传递张量，而不能直接传递给另一个张量。对于您的情况，您需要为暹罗分支建立一个临时模型：

xc_input = Input(shape=INPUT_SHAPE)
xc = Xception(weights='imagenet', include_top=False, input_tensor=xc_input)
for l in xc.layers:
    l.trainable = False

# Create layer dict
layers = dict([(l.name, l) for l in xc.layers])

# I only want to use the first 3 conv blocks
x = layers['block3_pool'].output

# Add my custom top layer
x = Flatten()(x)
x = Dense(500, activation='sigmoid')(x)

xc_branch = Model(xc_input, x)

# Create two models, based on the same conv nets
input_model_1 = xc_branch(input1)
input_model_2 = xc_branch(input2)

设置模型的输入层时，无法调用“张量”对象

1 个答案: