Keras 中模型包装器的其他权重类型是什么？答案

【问题标题】：What are other weight types for model wrappers in Keras?Keras 中模型包装器的其他权重类型是什么？
【发布时间】：2020-05-13 15:36:23
【问题描述】：

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50(weights='imagenet')

在这段代码中，有一个“包装器”（即它所指的）ResNet50。我可以为此使用哪些其他类型的重量？我试着环顾四周，但我什至不明白源代码；那里也没有任何结论

【问题讨论】：

标签： python machine-learning keras computer-vision resnet

【解决方案1】：

您可以在keras doc 上找到它或github code

只有两个选项，None 如果您只想要没有权重的架构，或者imagenet 加载 imagenet 权重。

编辑：如何使用我们自己的权重：

# Take a DenseNET201
backbone = tf.keras.applications.DenseNet201(input_shape=input_shape, weights=None, include_top=False)

# Change the model a little bit, because why not
input_image = tf.keras.layers.Input(shape=input_shape)
x = backcone(input_image)
x = tf.keras.layers.Conv2D(classes, (3, 3), padding='same', name='final_conv')(input)
x = tf.keras.layers.Activation(activation, name=activation)(x)
model = tf.keras.Model(input, x)

#... some additional code
# training part
optimizer = tf.keras.optimizers.Adam(lr=FLAGS.learning_rate)
model.compile(loss=loss,
              optimizer=optimizer,
              metrics=['accuracy', f1_m, recall_m, precision_m])

callbacks = [tf.keras.callbacks.ModelCheckpoint(filepath=ckpt_name)]

model.fit(train_generator, validation_data=validation_generator, validation_freq=1, epochs=10, callbacks=callbacks)

# using the callback there will weights saved in cktp_name each epoch
# Inference part, just need to reinstance the model (lines after #Change part comment)

model.load_weights(ckpt_name)

results = model.predict(test_generator, verbose=1)

你显然不需要改变模型，你可以使用x = backbone(x)然后model = tf.keras.Model(input, x)

【讨论】：

可以导入我自己的重量吗？我正在研究一个使用 ResNet 的项目。
是的，假设您已经使用 keras 进行了训练，在训练结束时您可以保存权重。如果你想在之后使用它们，你只需要重新实例化你的模型（与以前相同的层）然后加载权重，看看this stack answer
我在帖子中添加了我如何使用自己的权重进行推断