我正在尝试使用Keras的MobileNet进行图像分类 . 我的输入形状是 (64, 64, 3)
,我的数据集中有两个类 . 我不想使用训练过的重量 .
这是我的代码 .
model = MobileNet(weights=None, include_top=True, input_shape=(64, 64, 3), classes=2)
我的问题是, include_top
应该 True
或 False
?既然这位官员说过,
input_shape: 可选的形状元组,仅在include_top为False时指定
include_top: 是否在网络顶部包含完全连接的层 .
我想做图像分类,所以我认为我的最后一层应该是完全连接的 . 这是对的吗?
谢谢 .
1 回答
如果你想传递一个(64,64,3)的输入形状,那么你需要
是的,你最后需要完全连接的层 . 你必须 Build 自己的网络顶部 . 你的模型就是这样的
我不知道为什么我们需要删除完全连接的层以更改input_shape,但我认为上述解决方案将起作用
Edit:
因为它会在最后将输入大小更改为完全连接的层 .
有关详细说明,请参阅this答案