Keras VGGnet 预训练模型可变大小输入答案

【问题标题】：Keras VGGnet Pretrained Model Variable Sized InputKeras VGGnet 预训练模型可变大小输入
【发布时间】：2017-10-25 00:14:00
【问题描述】：

我想使用 VGG 预训练模型提取 368x368 大小的图像的特征。根据文档，VGGnet 接受 224x224 大小的图像。有没有办法给 Keras VGG 提供可变大小的输入？

这是我的代码：

# VGG Feature Extraction
x_train = np.random.randint(0, 255, (100, 224, 224, 3))
base_model = VGG19(weights='imagenet')
modelVGG = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv2').output)
block4_conv2_features = modelVGG.predict(x_train)

编辑后的代码（它可以工作！）

# VGG Feature Extraction
x_train = np.random.randint(0, 255, (100, 368, 368, 3))
base_model = VGG19(weights='imagenet', include_top=False)
modelVGG = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv2').output)
block4_conv2_features = modelVGG.predict(x_train)

【问题讨论】：

标签： python keras deep-learning pre-trained-model vgg-net

【解决方案1】：

输入大小会影响全连接 (Dense) 层中的神经元数量。所以你需要创建自己的全连接层。

使用 include_top=False 调用 VGG19 以删除全连接层，然后自己添加它们。请查看this code 以供参考。

【讨论】：