Question

我正在寻找一种解决方案，可将经过预训练的Resnet50模型用作大型定制模型中的定制子层。

在我的方案中，我使用Resnet50作为FCN骨干，然后将FCN输出结果用作到另一个网络层（它是管道）的输入。

您可以看到我的代码： https://github.com/piginzoo/textscanner/blob/master/network/layers/fcn_layer.py https://github.com/piginzoo/textscanner/blob/master/network/model.py

我的问题是，我找不到示例代码，无法将Resnet50层集成为TF 2.0中的自定义层的一部分，我搜索了stackoverflow，TF2.0官方网站和博客，找不到可行的代码段来演示如何实施这种要求。

但是我相信这是一个非常普遍的范例，有没有人遇到过此类问题，任何建议或代码演示都将受到赞赏。

Answer 1

最后，我找到了一种可行的方法，例如：

如所示代码，我创建了一个新模型，该模型使用预先训练的Resnet50输入作为他的输入，并使用3个“ conv_block_out”作为新模型的输出，在调用方法中，我只是将该模型称为“层”样式。

有关详细信息，您可以参考我的Github中的completed code。

虚拟代码：

class FCNLayer(Layer):
    def __init__(self, name, resnet50_model):
        super().__init__(name=name)
        resnet50_model.layers.pop()
        resnet50_model.summary()
        self.resnet50_model = resnet50_model

    def build(self, input_image, FILTER_NUM=4):
        layer_names = [
            "conv3_block4_out",  # 1/8
            "conv4_block6_out",  # 1/16
            "conv5_block3_out",  # 1/32
        ]
        layers = [self.resnet50_model.get_layer(name).output for name in layer_names]
        self.FCN_left = Model(inputs=self.resnet50_model.input, outputs=layers)
        ......


    def call(self, input_image, training=True):

        pool3, pool4, pool5 = self.FCN_left(input_image)
        .......

tf.keras如何在自定义模型中重用resnet层作为自定义层

1 个答案: