Keras - 所有图层名称都应该是唯一的

Posted 2023-03-13

【中文标题】Keras - 所有图层名称都应该是唯一的

【英文标题】：Keras - All layer names should be unique

【发布时间】：2017-09-13 03:04:17

【问题描述】：

我将 keras 中的两个 VGG 网络组合在一起进行分类任务。当我运行程序时，它显示一个错误：

RuntimeError：名称“predictions”在模型中使用了 2 次。所有图层名称都应该是唯一的。

我很困惑，因为我在代码中只使用了一次prediction 层：

from keras.layers import Dense
import keras
from keras.models import  Model
model1 = keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)
model1.layers.pop()

model2 =  keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)
model2.layers.pop()
for layer in model2.layers:
    layer.name = layer.name + str("two")
model1.summary()
model2.summary()
featureLayer1 = model1.output
featureLayer2 = model2.output
combineFeatureLayer = keras.layers.concatenate([featureLayer1, featureLayer2])
prediction = Dense(1, activation='sigmoid', name='main_output')(combineFeatureLayer)

model = Model(inputs=[model1.input, model2.input], outputs= prediction)
model.summary()

感谢@putonspectacles 的帮助，我按照他的指示找到了一些有趣的部分。如果你使用model2.layers.pop()，并使用“model.layers.keras.layers.concatenate([model1.output, model2.output])”组合两个模型的最后一层，你会发现最后一层信息仍然使用model.summary()显示。但实际上它们并不存在于结构中。因此，您可以使用model.layers.keras.layers.concatenate([model1.layers[-1].output, model2.layers[-1].output])。它看起来很棘手，但它确实有效。我认为这是关于日志和结构同步的问题。

【参考方案1】：

例子：

# Network for affine transform estimation
affine_transform_estimator = MobileNet(
                            input_tensor=None,
                            input_shape=(config.IMAGE_H // 2, config.IMAGE_W //2, config.N_CHANNELS),
                            alpha=1.0,
                            depth_multiplier=1,
                            include_top=False,
                            weights='imagenet'
                            )
affine_transform_estimator.name = 'affine_transform_estimator'
for layer in affine_transform_estimator.layers:
    layer.name = layer.name + str("_1")

# Network for landmarks regression
landmarks_regressor = MobileNet(
                        input_tensor=None,
                        input_shape=(config.IMAGE_H // 2, config.IMAGE_W // 2, config.N_CHANNELS),
                        alpha=1.0,
                        depth_multiplier=1,
                        include_top=False,
                        weights='imagenet'
                        )
landmarks_regressor.name = 'landmarks_regressor'
for layer in landmarks_regressor.layers:
    layer.name = layer.name + str("_2")

input_image = Input(shape=(config.IMAGE_H, config.IMAGE_W, config.N_CHANNELS))
downsampled_image = MaxPooling2D(pool_size=(2,2))(input_image)
x1 = affine_transform_estimator(downsampled_image)
x2 = landmarks_regressor(downsampled_image)
x3 = add([x1,x2])

model = Model(inputs=input_image, outputs=x3)
optimizer = Adadelta()
model.compile(optimizer=optimizer, loss=mae_loss_masked)

【参考方案2】：

你可以在keras中改变层的名字，不要使用'tensorflow.python.keras'。

这是我的示例代码：

from keras.layers import Dense, concatenate
from keras.applications import vgg16

num_classes = 10

model = vgg16.VGG16(include_top=False, weights='imagenet', input_tensor=None, input_shape=(64,64,3), pooling='avg')
inp = model.input
out = model.output

model2 = vgg16.VGG16(include_top=False,weights='imagenet', input_tensor=None, input_shape=(64,64,3), pooling='avg')

for layer in model2.layers:
    layer.name = layer.name + str("_2")

inp2 = model2.input
out2 = model2.output

merged = concatenate([out, out2])
merged = Dense(1024, activation='relu')(merged)
merged = Dense(num_classes, activation='softmax')(merged)

model_fusion = Model([inp, inp2], merged)
model_fusion.summary()

【讨论】：

我创建了一个这样的模型，但是当我将layer.name = layer.name + str("_2") 添加到第二个模型的性能变化时。我不知道为什么？

确认在执行model.get_config() 时此方法对于 TF 2.0 失败，因为相应的层名称未在 model._network_nodes 中重命名。

@NicholasLeonard 如果你使用这个方法怎么办？ ***.com/a/57794744/2794625

【参考方案3】：

首先，根据您发布的代码，您有 no 个具有名称属性“预测”的图层，因此此错误与您的图层无关 Dense层prediction：即：

prediction = Dense(1, activation='sigmoid', 
             name='main_output')(combineFeatureLayer)

VGG16 模型有一个Dense 层和name predictions。特别是这一行：

x = Dense(classes, activation='softmax', name='predictions')(x)

由于您使用其中两个模型，因此您的图层名称重复。

您可以做的是将第二个模型中的层重命名为预测以外的其他名称，可能是predictions_1，如下所示：

model2 =  keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)

# now change the name of the layer inplace.
model2.get_layer(name='predictions').name='predictions_1'

【讨论】：

感谢您的解释。我打印了模型 1 和模型 2 的所有层，但没有名称为“预测”的层。我想你的意思是VGG的最后一层，但我已经弹出了最后一层的原点。您能对此添加解释吗？

如果您使用的是最新的 keras，此链接将引用名为“predictions”的层 github.com/fchollet/keras/blob/…

并且基于错误，您肯定有名为预测的层。你试过我的建议了吗？

嗨，你的建议是对的，但我在合并两个 VGG 之前弹出最后一层。但你是对的，我只是更新解决方案并编辑我的问题。你会看到的..

AttributeError: 无法设置属性“名称”，可能是因为它与对象的现有只读@property 冲突。请选择其他名称。