Следующие архитектуры Pyhthon CNN Библиотеки: Efficien tNet & Dens eNet 169 Efficien tNet Проблемы импорта - PullRequest
Новая
       63

Следующие архитектуры Pyhthon CNN Библиотеки: Efficien tNet & Dens eNet 169 Efficien tNet Проблемы импорта

0 голосов
/ 17 января 2020

Я пытаюсь использовать следующие документы глубокого обучения CNN: DenseNet169 & Efficien tNet с трансферным обучением. Я установил следующие библиотеки bu PyCharm и вызвал следующие библиотеки импорта: 

from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import SGD, RMSprop
from keras.callbacks import ModelCheckpoint
from keras.callbacks import History

from keras import applications
import keras_applications
#Transfer Learning Networks Models

# 5 - DensNet family
import densenet
from keras.applications.densenet.DenseNet121 import DenseNet121
from keras.applications.densenet.DenseNet169 import DenseNet169
from keras.applications.densenet.DenseNet201 import DenseNet201
from keras_applications.densenet.DenseNet121 import DenseNet121
from keras_applications.densenet.DenseNet169 import DenseNet169
from keras_applications.densenet.DenseNet201 import DenseNet201
# 6 - EfficientNet Alone
import efficientnet.keras as efn
# 6 - EfficientNet family
from efficientnet import EfficientNetB0
from efficientnet import EfficientNetB1
from efficientnet import EfficientNetB2
from efficientnet import EfficientNetB3
from efficientnet import EfficientNetB4
from efficientnet import EfficientNetB5
from efficientnet import EfficientNetB6
from efficientnet import EfficientNetB7

И я называю следующие архитектуры:

Загрузка предварительно обученной модели и веса 

elif model_tl_name == 'DenseNet169':
    print("base_model = DenseNet169")
    base_model = densenet.DenseNetImageNet169(include_top=True, input_shape=(224, 224, 3), input_tensor=None, pooling=None, classes=1000)
    #base_model = DenseNet169(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)
elif model_tl_name == 'EfficientNetB5':
    print("base_model = EfficientNetB5")
    #base_model = EfficientNetB5(include_top=False, weights='imagenet')
    base_model = efn.EfficientNetB5(include_top=False, weights='imagenet')
    # model = EfficientNetB3(weights='imagenet', include_top=False, input_shape=(img_size, img_size, 3))
# Changing last layer to adapt to two classes
model = add_new_last_layer(base_model, nb_classes)

Но я всегда получаю следующие сообщения об ошибках:

Для DenseNet169: mask = node.output_masks [tenor_index] AttributeError: У объекта 'Node' нет атрибута 'output_masks'

Для EfficientNetB5 из keras.applications импортирует файл EfficientNetB5 "C: \ Users \ QTR7701 \ AppData \ Local \ Programs \ Python \ Python37 \ lib \ site-packages \ffectivenet \ initializers.py", строка 44, в вызов return tf.random_normal (AttributeError: модуль 'tenorflow' не имеет атрибута 'random_normal'

Если кто-то может мне помочь.

...