微调 InceptionV3 模型未按预期工作答案

【问题标题】：Fine-tune InceptionV3 model not working as expected微调 InceptionV3 模型未按预期工作
【发布时间】：2019-05-19 14:05:17
【问题描述】：

尝试在 InceptionV3 中使用迁移学习（微调），移除最后一层，关闭所有层的训练，并添加单个密集层。当我再次查看摘要时，我没有看到我添加的层，并且没有得到期望。

RuntimeError: 你试图在 dense_7 上调用 count_params，但是层没有建立。您可以通过以下方式手动构建它： dense_7.build(batch_input_shape).

from keras import applications
pretrained_model = applications.inception_v3.InceptionV3(weights = "imagenet", include_top=False, input_shape = (299, 299, 3))

from keras.layers import Dense
for layer in pretrained_model.layers:
  layer.trainable = False

pretrained_model.layers.pop()

layer = (Dense(2, activation='sigmoid'))
pretrained_model.layers.append(layer)

再次查看摘要给出了上述异常。

pretrained_model.summary()

想训练编译和拟合模型，但是

pretrained_model.compile(optimizer=RMSprop(lr=0.0001), 
              loss = 'sparse_categorical_crossentropy', metrics = ['acc'])

上面一行给出了这个错误，

无法解释优化器标识符：

【问题讨论】：

您不能在layers 属性上使用pop() 来修改架构。 This 或 this 可能会有所帮助。

标签： keras deep-learning keras-layer

【解决方案1】：

您正在使用pop 弹出全连接层，例如网络末端的Dense。但这已经通过参数include top = False 完成。所以你只需要用include_top = False初始化Inception，添加最后的Dense层。另外，由于是InceptionV3，建议在InceptionV3输出后加上GlobalAveragePooling2D()，以减少过拟合。这是一个代码，

from keras import applications
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D

pretrained_model = applications.inception_v3.InceptionV3(weights = "imagenet", include_top=False, input_shape = (299, 299, 3))


x = pretrained_model.output
x = GlobalAveragePooling2D()(x) #Highly reccomended

layer = Dense(2, activation='sigmoid')(x)

model = Model(input=pretrained_model.input, output=layer)

for layer in pretrained_model.layers:
  layer.trainable = False

model.summary()

这应该会为您提供所需的模型进行微调。

【讨论】：