自动编码器和 Inception Resnet V2 功能答案

【问题标题】：Autoencoder and Inception Resnet V2 feature自动编码器和 Inception Resnet V2 功能
【发布时间】：2021-10-03 08:00:39
【问题描述】：

我想从使用 Inception Resnet V2 模型提取的特征向量开始创建一个自动编码器，并遵循下图所示的图表：

这是我此刻写的代码：

image_size = (150, 150, 3)

model = InceptionResNetV2(weights='imagenet', include_top=False, input_shape=image_size)   
    
for layer in model.layers:
    layer.trainable = False

feature = model.predict(x[:10])

print(feature.shape) # (10, 3, 3, 1536)

在 Keras 中实现这一点的方法是什么？感谢您的宝贵时间。

【问题讨论】：

标签： python tensorflow keras autoencoder

【解决方案1】：

from tensorflow.keras.layers import Input, Dense
from tensorflow.keras.models import Model

inputs = Input(1536)
x = inputs
x = Dense(500, activation='relu')(x)
x = Dense(2, activation='relu')(x)
x = Dense(500, activation='relu')(x)
x = Dense(1536, activation='relu')(x)
full_model = Model(inputs, x)
print(full_model.summary())

顺便说一句，我非常怀疑这个自动编码器能否在如此小的瓶颈下工作，所以我将它从 2 增加到更大的值（可能是 100）。

【讨论】：

这样我得到了 InputLayer（输入：[(None, 150, 150, 3)]，输出：[(None, 150, 150, 3)]）。相反，我必须得到：InputLayer（输入：[（None，1536）]，输出：[（None，1536）]）。实际上，在输入中，它必须采用提取特征向量的维度。您能否更正您的代码，以便您对答案进行正面评价？谢谢。
缺少指令 x = inputs。感谢您的宝贵时间，请为以后的读者添加上一条说明。