我使用Ubuntu与Python 3及以上tensorflow keras,我想用传送学习从训练的keras模型解释预创建模型在这里:
我正在使用以下代码
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零数组,是否应该将权重加载到我正在创建的p上,以使预先训练的模型真正起作用?
在Keras中,层与这些层的输出之间存在差异。您可以将图层视为代表计算,将输出视为这些计算的结果。当实例化一个Model
对象时,它期望计算的结果作为输出,而不是计算本身,因此是错误。要解决此问题,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))
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句