首页 文章

如何使用VGG-16的预训练功能作为Keras中GlobalAveragePooling2D（）图层的输入

提问于
浏览 次
1

是否可以使用VGG-16的预训练模型特征并传递到Keras中其他模型的GlobalAveragePooling2D（）图层？

存储VGG-16网络离线功能的示例代码：

model = applications.VGG16(include_top=False, weights='imagenet')
bottleneck_features_train = model.predict(input)

顶级型号的示例代码：

model = Sequential()
model.add(GlobalAveragePooling2D()) # Here I want to use pre-trained feature from VGG-16 net as input.

我不能使用Flatten（）图层，因为我想用多类来预测多标签 .

keras deep-learning pre-trained-model vgg-net

1 回答

  • 1

    当然，你绝对可以 . 你有几个选择：

    汇集kwarg

    在VGG16构造函数中使用 pooling kwarg，它将使用指定的类型替换最后一个池化层 . 即

    model_base = keras.applications.vgg16.VGG16(include_top=False, input_shape=(*IMG_SIZE, 3), weights='imagenet', pooling="avg")

    将图层添加到输出中

    您还可以向预训练模型添加更多图层：

    from keras.models import Model

model_base = keras.applications.vgg16.VGG16(include_top=False, input_shape=(*IMG_SIZE, 3), weights='imagenet')
output = model_base.output
output = GlobalAveragePooling2D()(output)
# Add any other layers you want to `output` here...
model = Model(model_base.input, output)
for layer in model_base.layers:
    layer.trainable = False

    最后一行冻结预训练的图层，以便保留预训练模型的特征，并训练新图层 .

    我写了一篇博文，介绍了使用预训练模型的基础知识，并将它们扩展到各种图像分类问题 . 它还有一些链接到一些可能提供更多上下文的工作代码示例：http://innolitics.com/10x/pretrained-models-with-keras/

    回复于

相关问题