NameError: name 'Model is not defined' - 如何解决这个问题？

Question

我正在尝试使用迁移学习对 2 个类别进行分类。预处理我的数据后，我想应用“InceptionResNetV2”。我想删除这个 Keras 应用程序的最后一层并想添加一个层。 我为此编写了以下脚本：

irv2 = tf.keras.applications.inception_resnet_v2.InceptionResNetV2()
irv2.summary()

x = irv2.layers[-1].output
x = Dropout(0.25)(x)
predictions = Dense(2, activation='softmax')(x)

model = Model(inputs=mobile.input, outputs=predictions)

然后出现错误：

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-40-911de74d9eaf> in <module>()
      5 predictions = Dense(2, activation='softmax')(x)
      6 
----> 7 model = Model(inputs=mobile.input, outputs=predictions)

NameError: name 'Model' is not defined

如果有其他方法可以删除最后一层并添加新层(predictions = Dense(2, activation='softmax'))，请告诉我。

这是我完整的code。

Answer 1

您可以使用此代码 sn-p 来定义您的迁移学习模型。

在这里，我们使用在 imagenet 数据集上训练的权重，并忽略最后一层（用于训练 imagenet 数据集中 1000 个类的 1000 个神经元层）并添加我们的自定义层。在这个例子中，我们添加了一个 GAP 层，然后是一个用于二元分类的密集层。

 from tensorflow import keras

 input_layer = keras.layers.Input(shape=(224, 224, 3))
 irv2 = keras.applications.Xception(weights='imagenet',include_top=False,input_tensor = input_layer)
 global_avg = keras.layers.GlobalAveragePooling2D()(irv2.output)
 dense_1 = keras.layers.Dense(1,activation = 'sigmoid')(global_avg)
 model = keras.Model(inputs=irv2.inputs,outputs=dense_1)

 model.summary()

您遇到的错误可能是由于 tf 1.x 和 tf 2.x 之间的导入更改

根据您的 tensorflow 版本尝试以下任何一种导入方法。它应该可以修复错误。

from tensorflow.keras.models import Model

或

from tensorflow.keras import Model

还要确保从 tensorflow 或 keras 导入所有内容。在同一脚本中使用从任一库中导入的函数会导致不兼容错误。

Answer 2

• -1 将为您提供最后一个 Dense 层，但您实际上是在 -2 之上的一层
• 输入应该是初始模型输入层

import tensorflow as tf
from tensorflow.keras.layers import Dense
from keras.models import Model

irv2 = tf.keras.applications.inception_resnet_v2.InceptionResNetV2()
predictions = Dense(2, activation='softmax')(irv2.layers[-2].output)
model = Model(inputs=irv2.input, outputs=predictions)

model.summary()