Question

当我们在Keras2。中进行转移学习时，参数需要“ input_shape”和“ input_tensor”。但是我只使用input_tensor，从未使用过input_shape。我认为仅input_tensor就足够了，我不知道何时使用input_shape。我应该如何单独使用它们？

我同时使用input_tensor和input_shape并使用单独的值，并且仅采用input_tensor的值，而忽略了input_shape。

vgg16_model = VGG16(include_top=False, weights='imagenet', 
                    input_tensor = Input(shape=(150, 150, 3)), 
                    input_shape=(224,224,3))

top_model = Sequential()
top_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dense(1, activation='sigmoid'))
model = Model(input=vgg16_model.input, output=top_model(vgg16_model.output))

model.summary()

Layer (type)                 Output Shape              Param #   
================================================================
input_6 (InputLayer)         (None, 150, 150, 3)       0         
_________________________________________________________________
block1_conv1 (Conv2D)        (None, 150, 150, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 150, 150, 64)      36928     
_________________________________________________________________
block1_pool (MaxPooling2D)   (None, 75, 75, 64)        0         
_________________________________________________________________
block2_conv......

我希望这段代码会出错，但是没有错误，并且该模型可以接受（150，150，3）的形状。 Input_shape =（224,224,3）被忽略了。

您能给我一点帮助吗？谢谢。

Answer 1

VGG16代码可能只是忘了检查两个参数。

当然，两者都没有意义。

当您希望模型以该大小自动创建自己的输入层时，可以使用input_shape。
当您要输入张量时使用input_tensor。

您可以在input_tensor中使用 any 张量，这意味着可以将其他模型/图层的输出用作VGG16的输入。当然，您可以像以前那样传递虚拟输入张量，没有理由让代码抱怨，它收到了张量，好的。

唯一的问题是，编码人员忘记了验证“如果两个参数都存在，则抛出错误”。

Answer 2

实际上，当您设置input_tensor参数时，给定的张量（假设它是Keras张量）将用于输入，因此input_shape参数将被忽略。 Here是keras-applications源代码中的相关部分：

if input_tensor is None:
    img_input = layers.Input(shape=input_shape)
else:
    if not backend.is_keras_tensor(input_tensor):
        img_input = layers.Input(tensor=input_tensor, shape=input_shape)
    else:
        img_input = input_tensor

如您所见，在最后一行中，给定的input_tensor将用于输入张量，而无需考虑input_shape。

如何在Keras的转移学习中使用input_shape和input_tensor？

2 个答案: