Question

我正在使用在另一个问题中找到的自定义反射填充层-

class ReflectionPadding2D(Layer):
def __init__(self, padding=(1, 1), **kwargs):
    self.padding = tuple(padding)
    self.input_spec = [InputSpec(ndim=4)]
    super(ReflectionPadding2D, self).__init__(**kwargs)

def compute_output_shape(self, input_shape):
    return (input_shape[0], input_shape[1] + 2 * self.padding[0], input_shape[2] + 2 * self.padding[1], input_shape[3])

def call(self, input_tensor, mask=None):
    padding_width, padding_height = self.padding
    return pad(input_tensor, [[0,0], [padding_height, padding_height], [padding_width, padding_width], [0,0] ], 'REFLECT')

在训练过程中效果很好。问题是我的模型同时使用（1,1）尺寸填充和（2,2）。当我加载模型以使用该模型时，即使已保存的模型正在使用（2,2）， init 函数也会将填充初始化为（1,1），从而为下一个模型提供错误的输出形状层和模型无法加载。

编辑：这是正确加载的一种工作方式（只要在加载模型时将“ pad”添加为自定义对象）。我仍然想找到一种方法来加载已经训练有素的模型，因为我花了几天的时间对其进行训练。

from tensorflow import pad
def reflectPad(inp, p):
    return Lambda(lambda x: pad(x, [[0, 0], [p, p], [p, p], [0, 0]], 'REFLECT'))(inp)

使用带有参数的自定义层加载Keras模型

0 个答案: