Question

是否可以在tf.keras.applications中删除/替换预训练的ResNet50模型的BOTTOM层？

例如，我尝试这样做：

import tensorflow as tf
pretrained_resnet = tf.keras.applications.ResNet50(include_top=False, weights='imagenet')
inputs = tf.keras.Input(shape=(256,256,1))
x = tf.keras.layers.ZeroPadding2D()(inputs)
x = tf.keras.layers.Conv2D(filters=64,
                           kernel_size=(7,7),
                           strides=(2,2),
                           padding='same')(x)
outputs = pretrained_resnet.layers[3](x)
test = tf.keras.Model(inputs, pretrained_resnet.output)

但是它给出了这个错误：ValueError：图形断开：无法获得张量Tensor（“ input_2：0”，.......

我也尝试过使用tf.keras顺序API，但是由于ResNet不是顺序模型，因此无法使用。我基本上只是想用一个新的替换ResNet50中的第一个Conv2D层。这可能吗？还是我必须重写整个ResNet模型？

任何建议将不胜感激！

Answer 1

ZeroPadding2D和Conv2D (7*7, 64, stride 2)是2nd网络的3rd和Resnet50层。

因此，此处显示仅替换Resnet50的第一层（即输入层）

from tensorflow.keras.applications import ResNet50
import tensorflow as tf

model = ResNet50(include_top = False, weights = 'imagenet')
model.save('model.h5')

res50_model = tf.keras.models.load_model('model.h5')
#res50_model.summary()

要从网络中删除第一层，您可以运行以下代码

 res50_model._layers.pop(0)

Resnet50 expects the input must have 3 channels，因此将输入图层形状添加为(256,256,3)而不是(256,256,1)。

要添加新的输入层，可以运行以下代码

newInput = tf.keras.Input(shape=(256,256,3))
newOutputs = res50_model(newInput)
newModel = tf.keras.Model(newInput, newOutputs)
newModel.summary()

输出：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_2 (InputLayer)         [(None, 256, 256, 3)]     0         
_________________________________________________________________
resnet50 (Model)             multiple                  23587712  
=================================================================
Total params: 23,587,712
Trainable params: 23,534,592
Non-trainable params: 53,120
_________________________________________________________________

tf.keras替换了预训练的resnet50中的较低层

1 个答案: