Question

我已经使用预先训练的模型并添加了一些层次来构建Keras序列模型。代码如下。然后尝试进行预测，预期的预测形状为（samples，16）的数量，但得到的预测结果为（samples，8）。建立模型和打印形状的代码如下。

`

layer_output = base_model.get_layer(output_layer).output
x=layer_output
x = Dense(1024, activation='sigmoid',name='1024_out')(x)
x = Dense(512, activation='sigmoid', name='512_out')(x)
x = Dense(16, activation='sigmoid',name="final")(x)
model = Model(base_model.input, outputs=x)
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)
model.load_weights(weight_path)

The prediction shape andd the shape of last layer output print（“ Pred”，model.predict（images [：2]）。shape，“ Last Layer：”，model.layers [-1] .output_shape）` 输出为 Pred（2，8）Last Layer：（None，16）

Answer 1

获得上述问题/问题的答案。对于多类分类，最后一层不是Sigmoid，而是softmax。更改

x = Dense(16, activation='sigmoid',name="final")(x)

到

x = Dense(16, activation='softmax',name="final")(x)

最后一层的输出形状和预测不同

1 个答案: