Как добавить верхние слои в предварительно обученную функциональную модель - PullRequest
Новая
       30

Как добавить верхние слои в предварительно обученную функциональную модель

0 голосов
/ 31 мая 2019

Я пытаюсь создать модель ResNet50 с использованием Keras для прогнозирования кошек и собак.Я решил просто работать с подмножеством данных, состоящим из 1000 пунктов, с 700-150-150 разбивкой по проверке поезда.(Я знаю, что это маленький, но это то, что мой компьютер может обрабатывать.) Я импортировал модель, используя 

resnet_model = keras.applications.ResNet50(include_top=False, input_tensor=None, input_shape=None, pooling=None, classes=2)
resnet_model.compile(Adam(lr=.0001), loss='categorical_crossentropy', metrics=['accuracy'])

Но когда я пытаюсь установить его с 

aug = ImageDataGenerator(rotation_range=20, zoom_range=0.15,
  width_shift_range=0.2, height_shift_range=0.2, shear_range=0.15,
  horizontal_flip=True, fill_mode="nearest")

resnet_model.fit_generator(aug.flow(X_train, y_train, batch_size = batches), steps_per_epoch = len(X_train) // batches,
                          validation_data = (X_valid, y_valid), validation_steps = 4, epochs = 10, verbose = 1)

, я получаюследующее значение ошибки:

ValueError: Ошибка при проверке цели: ожидалось, что для Activation_352 будет 4 измерения, но получен массив с формой (150, 2)

(150, 2) массив явно исходит из valid_y, но я не знаю, почему этот конкретный вывод должен иметь 4 измерения - это должен быть вектор метки, а не 4-мерный размер изображения и цветовой вектор.Может ли кто-нибудь помочь мне понять, как заставить модель распознавать этот ввод?

Примечание: Я знаю, что Даниэль Меллер упоминает здесь , что мне нужно добавить Flatten() слой, но природа функциональной модели и ее вызов вряд ли позволяют это сделать, если только я не хочу переписывать всю ResNet с нуля (что, кажется, лишает смысла иметь повторно используемую предварительно обученную модель).Любое понимание будет оценено.

1 Ответ

0 голосов
/ 31 мая 2019

После просмотра комментариев Мёллера и кода от Ю-Яна здесь я смог переформулировать верхнюю часть модели, используя следующий код: 

pre_resnet_model = keras.applications.ResNet50(include_top=False, weights='imagenet', input_tensor=None, input_shape=(224,224,3), pooling=None, classes=2)
for layer in pre_resnet_model.layers:
    layer.trainable = False
flatten = Flatten()(pre_resnet_model.output)   
output = Dense(2, activation='softmax')(flatten)
resnet_model = Model(pre_resnet_model.input, output)

Слой flatten сглаживается, а затем на нем рисуется слой output. Я пока не уверен, почему для Model() требуются только ResNet50().input и output, поэтому, если кто-нибудь сможет объяснить мне, почему я пропустил Flatten(), я был бы признателен - Model() явно не не требует перечисления всех слоев, так что это просто вход и выход? Я посмотрю на документацию, но пока, если кто-то заходит и дает четкое объяснение, я возьму его.

...