Как использовать NN в генераторе керас?

Question

Я настраиваю fit_generator для обучения DNN по keras. Но не знаю, как использовать CNN внутри этого генератора.

По сути, у меня есть предварительно обученный генератор изображений, использующий полностью подключенные сверточные сети (мы можем назвать его как GEN-NET). Теперь я хочу использовать этот Fully-CNN в моем fit_generator для генерации неограниченного количества изображений для обучения другого классификатора (называемого CLASS-NET) в кератах. Но это всегда ломало мои тренировки, и сообщение об ошибке:

ValueError: Tensor Tensor ("decoder / transform_output / mul: 0", shape = (?, 128, 128, 1), dtype = float32) не является элементом этого графа.

Этот "декодер / transform_output / mul: 0" является выходом моей CNN GEN-NET.

Итак, мой вопрос заключается в том, могу ли я использовать GEN-NET на основе CNN в моем fit_generator для обучения GLASS-NET, или это не разрешено в кератах?

Answer 1

Керасу не очень нравится запускать две отдельные модели в одном сеансе.Вы можете использовать K.clear_session() после использования модели, но это приведет к большим накладным расходам!

Лучший способ сделать это, ИМХО, - предварительно сгенерировать эти изображения и затем загрузить их с помощью генератора.В основном, разделив вашу программу на две отдельные программы.

В противном случае, если вы используете tensorflow в качестве бэк-энда, может быть способ сделать это, переключив график по умолчанию на tf.Session, вы можете Googleэто, но я не рекомендовал бы это!:)

Answer 2

Похоже, что вы можете немного запутаться!CNN (сверточная нейронная сеть) должна быть обучена вашим данным, если вы не используете предварительно обученную сеть для предсказаний.Если вы собираетесь обучать CNN, вы можете сделать это с помощью функции fit() или fit_generator().Используйте fit(), если вы отправляете данные напрямую, и fit_generator(), если ваши данные обрабатываются Генераторами графических данных .Если вы загрузили предварительно обученную модель / веса только для того, чтобы делать прогнозы, вам не нужно использовать какую-либо функцию подбора, так как не нужно проводить обучение.