如何使用 VGG19 keras 等前 10 层预训练模型？答案

【问题标题】：How to use first 10 layers of pre trained model like VGG19 keras?如何使用 VGG19 keras 等前 10 层预训练模型？
【发布时间】：2019-12-15 17:35:26
【问题描述】：

我正在尝试使用 VGG19 的前 10 层进行图像分类任务的迁移学习。

我尝试使用前 10 层，但是当我将它添加到顺序模型并显示摘要时，我遇到了错误。

basemodel = VGG19(include_top = False)    
x = basemodel.layers[-10]    
model = Sequential()    
model.add(keras.layers.Conv2D(32,(7,7),input_shape = (256,256,3),activation = 'relu'))    
model.add(x)    
model.summary()

【问题讨论】：

请格式化您的代码和错误以便更好地阅读
你能显示错误代码吗？
它显示模型必须在编译前构建

标签： python tensorflow keras transfer-learning vgg-net

【解决方案1】：

我运行模型，错误是： ValueError: Input 0 is incompatible with layer block4_conv1: expected axis -1 of input shape to have value 256 but got shape (None, 250, 250, 32)

从keras.layers.Conv2D 中删除输入形状并将其添加到 basemodel：

basemodel = VGG19(include_top = False,input_shape=(256,256,3),weights='None')

或者如果你想使用 Imagenet：

basemodel = VGG19(include_top = False,input_shape=(256,256,3),weights='imagenet')

拟合模型并让我知道发生的任何错误。

【讨论】：

【解决方案2】：

您只从 VGG 模型中提取了一层，并以错误的方式连接它们。这是正确的方法之一：

basemodel = VGG19(include_top = False)    
model = tf.keras.Sequential(basemodel.layers[:10])
model.add(keras.layers.Conv2D(32, (7, 7), activation = 'relu'))
model.summary()

请注意VGG 的第一层是InputLayer，因此您应该使用basemodel.layers[:11]。

请注意，要微调您的模型，最好修复 VGG 层的权重：

for layer in model.layers[:10]:
    layer.trainable = False

【讨论】：

【解决方案3】：

问题在于，您没有添加前 10 层，而是从顶部添加了第 10 层。此外，该层的输入应该具有 256 的倍数的通道。只需将代码替换为：

model.add(keras.layers.Conv2D(256,(7,7),input_shape = (256,256,3),activation = 'relu'))

【讨论】：