Keras替换输入层 [英] Keras replacing input layer

问题描述

我拥有的代码(我无法更改)使用带有my_input_tensor的Resnet作为input_tensor.

The code that I have (that I can't change) uses the Resnet with my_input_tensor as the input_tensor.

model1 = keras.applications.resnet50.ResNet50(input_tensor=my_input_tensor, weights='imagenet')

调查源代码，ResNet50函数使用my_input_tensor创建一个新的keras输入层，然后创建模型的其余部分.这是我要用自己的模型复制的行为.我从h5文件加载模型.

Investigating the source code, ResNet50 function creates a new keras Input Layer with my_input_tensor and then create the rest of the model. This is the behavior that I want to copy with my own model. I load my model from h5 file.

model2 = keras.models.load_model('my_model.h5')

由于该模型已经具有输入层，所以我想用用my_input_tensor定义的新输入层替换它.

Since this model already has an Input Layer, I want to replace it with a new Input Layer defined with my_input_tensor.

如何替换输入层?

推荐答案

使用以下方法保存模型时:

When you saved your model using:

old_model.save('my_model.h5')

它将保存以下内容:

1. 模型的体系结构，允许创建模型.
2. 模型的权重.
3. 模型的训练配置(损失，优化器).
4. 优化程序的状态，可以使培训从您之前离开的位置恢复.

因此，当您加载模型时:

So then, when you load the model:

res50_model = load_model('my_model.h5')

您应该找回相同的模型，您可以使用以下方法验证相同的模型:

you should get the same model back, you can verify the same using:

res50_model.summary()
res50_model.get_weights()

现在，您可以弹出输入层，并使用以下内容添加自己的内容:

Now you can, pop the input layer and add your own using:

res50_model.layers.pop(0)
res50_model.summary()

添加新的输入层:

newInput = Input(batch_shape=(0,299,299,3))    # let us say this new InputLayer
newOutputs = res50_model(newInput)
newModel = Model(newInput, newOutputs)

newModel.summary()
res50_model.summary()

这篇关于Keras替换输入层的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！