删除keras预训练模型的层

Question

我想使用 keras 的 vgg16 预训练模型。尝试更改模型时，我注意到一些奇怪的行为。

1) 我添加了一些经过训练的模型的layers。我的问题是张量板显示了我没有添加到序列模型中的模型层。这很奇怪，因为我还删除了导入的模型。我认为这与层之间的依赖关系有关，所以我想删除这种依赖关系。我该怎么做？

例如，在这张图片中，有两层我没有添加，但它们显示在图表中

vgg16_model = keras.applications.vgg16.VGG16()


cnnModel = keras.models.Sequential()

for layer in vgg16_model.layers[0:13]:
    cnnModel.add(layer)

for layer in vgg16_model.layers[14:16]:
    cnnModel.add(layer)

for layer in vgg16_model.layers[17:21]:
    cnnModel.add(layer)

cnnModel.add(keras.layers.Dense(2048, name="compress_1"))
cnnModel.add(keras.layers.Dense(1024, name="compress_2"))
cnnModel.add(keras.layers.Dense(512, name="compress_3"))


for layer in cnnModel.layers[0:4]:
    layer.trainable = False

del vgg16_model

2) 使用cnnModel.pop()时会出现第二个问题。事实上，我已经添加了所有图层，但是在添加下一个之前我对我不想要的图层做了一个弹出，这是我得到的错误。

Layer block4_conv2 has multiple inbound nodes, hence the notion of "layer output" is ill-defined. Use `get_output_at(node_index)` instead.

这是我正在使用的代码：

for layer in vgg16_model.layers[0:14]:
    cnnModel.add(layer)

cnnModel.pop()

for layer in vgg16_model.layers[14:17]:
    cnnModel.add(layer)

cnnModel.pop()

for layer in vgg16_model.layers[17:21]:
    cnnModel.add(layer)

cnnModel.pop() 正在工作 该问题仅在尝试添加下一层时出现。

感谢您的帮助。

Answer 1

您可以尝试使用Model 代替Sequential，例如：

vgg16_model = keras.applications.vgg16.VGG16()

drop_layers = [13, 16]

input_layer = x = vgg16_model.input

for i, layer in enumerate(vgg16_model.layers[1:], 1):
    if i not in drop_layers:
        x = layer(x)

x = keras.layers.Dense(2048, name="compress_1")(x)
x = keras.layers.Dense(1024, name="compress_2")(x)
x = keras.layers.Dense(512, name="compress_3")(x)

cnnModel = keras.models.Model(inputs = input_layer, outputs = x)

for layer in cnnModel.layers[0:4]:
    layer.trainable = False

del vgg16_model