首页 文章

从非最终keras模型层获取输出

提问于
浏览 次
0

我正在使用ubuntu和python 3以及keras over tensorflow，我正在尝试使用预先训练过的keras模型中的转移学习创建一个模型，如here所述：

我使用以下代码

import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(1, 224, 224, 3) + 0.001
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()
inputLayer = mobilenet_model.input

m = Model(input=inputLayer, outputs=mobilenet_model.get_layer("conv_pw_13_relu")(inputLayer))
m.set_weights(mobilenet_model.get_weights()[:len(m.get_weights())])
p = m.predict(a)
print(np.std(p), np.mean(p))
print(p.shape)

我正在使用的图层的输出始终是一个零数组，我应该将权重加载到我正在创建的p，以便预先训练的模型实际工作吗？

python tensorflow keras deep-learning transfer-learning

2 回答

  • 2

    层之间的Keras与这些层的输出存在差异 . 您可以将图层视为表示计算，将输出视为这些计算的结果 . 当您实例化 Model 对象时，它会将计算结果视为输出，而不是计算本身，因此会出现错误 . 要修复它，您可以将图层的输出传递给 Model 构造函数：

    import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(24, 224, 224, 3)
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()

model_output = mobilenet_model.get_layer("conv_pw_13_relu").output
m = Model(inputs=mobilenet_model.input, outputs=model_output)
print(m.predict(a))
    回复于
  • 1

    为了在Keras模型中获得中间层的输出，Keras提供了不同的方法 .

    在您的情况下，您可以像这样获取所需图层的输出

    model_out = mobilenet_model.get_layer("layer_you_want").output
m = Model(input=inputLayer, outputs=model_out)

    有关此方法和其他可用方法的更多详细信息，请查看this文档

    回复于

相关问题