Keras微调InceptionV3张量维度误差答案

【问题标题】：Keras fine-tuning InceptionV3 tensor dimension errorKeras微调InceptionV3张量维度误差
【发布时间】：2019-04-18 02:48:55
【问题描述】：

我正在尝试在 Keras 中微调模型：

    inception_model = InceptionV3(weights=None, include_top=False, input_shape=(150, 
150, 1))

    x = inception_model.output
    x = GlobalAveragePooling2D()(x)
    x = Dense(256, activation='relu', name='fc1')(x)
    x = Dropout(0.5)(x)
    predictions = Dense(10, activation='softmax', name='predictions')(x)
    classifier = Model(inception_model.input, predictions)


    ####training training training ... save weights


    classifier.load_weights("saved_weights.h5")
  
    classifier.layers.pop()
    classifier.layers.pop()
    classifier.layers.pop()
    classifier.layers.pop()
    ###enough poping to reach standard InceptionV3 

    x = classifier.output
    x = GlobalAveragePooling2D()(x)
    x = Dense(256, activation='relu', name='fc1')(x)
    x = Dropout(0.5)(x)
    predictions = Dense(10, activation='softmax', name='predictions')(x)
    classifier = Model(classifier.input, predictions)

但我得到了错误：

ValueError: Input 0 is incompatible with layer global_average_pooling2d_3: expected ndim=4, found ndim=2

【问题讨论】：

你给这个模型的输入数据是什么形状的？

标签： python machine-learning keras deep-learning

【解决方案1】：

你 shouldn't use pop() 方法在使用功能 API 创建的模型上（即 keras.models.Model）。只有顺序模型（即keras.models.Sequential）具有内置的pop() 方法（用法：model.pop()）。相反，使用索引或图层名称来访问特定图层：

classifier.load_weights("saved_weights.h5")
x = classifier.layers[-5].output   # use index of the layer directly
x = GlobalAveragePooling2D()(x)

【讨论】：