Question

我正在尝试将VGG19的前10层用于图像分类任务的转移学习。

我尝试使用前10层，但是当我将其添加到顺序模型并显示摘要时，我得到了一个错误。

basemodel = VGG19(include_top = False)    
x = basemodel.layers[-10]    
model = Sequential()    
model.add(keras.layers.Conv2D(32,(7,7),input_shape = (256,256,3),activation = 'relu'))    
model.add(x)    
model.summary()

Answer 1

我运行模型，错误是： <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/tf.min.js"></script> epochs: <input type="number" id="epochs" value="50" /> learning rate: <input type="number" id="learning_rate" value="0.04" /> <button id="train">Train</button>

从ValueError: Input 0 is incompatible with layer block4_conv1: expected axis -1 of input shape to have value 256 but got shape (None, 250, 250, 32)删除输入形状并将其添加到basemodel：

keras.layers.Conv2D

或者如果您想使用Imagenet：

basemodel = VGG19(include_top = False,input_shape=(256,256,3),weights='None')

拟合模型，让我知道发生了任何错误。

Answer 2

您仅从VGG模型中提取了一层，然后以错误的方式连接了它们。这里是正确的方法之一：

basemodel = VGG19(include_top = False)    
model = tf.keras.Sequential(basemodel.layers[:10])
model.add(keras.layers.Conv2D(32, (7, 7), activation = 'relu'))
model.summary()

请注意，VGG的第一层是InputLayer，因此您应该使用basemodel.layers[:11]。

请注意，要微调模型，最好固定VGG层的权重：

for layer in model.layers[:10]:
    layer.trainable = False

Answer 3

问题是不是添加前 10 层，而是从顶部添加第 10 层。此外，该层的输入应具有 256 的倍数的通道。只需将代码替换为：

model.add(keras.layers.Conv2D(256,(7,7),input_shape = (256,256,3),activation = 'relu'))

如何使用前10层经过预先训练的模型，例如VGG19 keras？

3 个答案: