将自定义输出层添加到 R 中的内置（功能）keras 模型

Posted 2023-02-16

【中文标题】将自定义输出层添加到 R 中的内置（功能）keras 模型

【英文标题】：Add custom output layer to built-in (functional) keras model in R

【发布时间】：2021-12-04 00:39:20

【问题描述】：

我正在尝试使用 R keras 将内置网络架构与自定义输出层相结合。具体来说，我想要一个最初为分类而构建的架构的回归输出。

这是我想要的一个简单示例：

inlayer <- layer_input(shape = c(75, 75, 1))
N1 <- application_inception_v3(weights = NULL,
                               input_tensor = inlayer,
                               include_top = FALSE)
outlayer <- layer_dense(units = 2, activation = 'sigmoid')

fullnet <- N1 %>% outlayer

但是，最后一行代码不起作用 - 我收到以下错误：

Error in py_call_impl(callable, dots$args, dots$keywords) : 
  AttributeError: 'Model' object has no attribute 'shape' 

我认为部分问题在于内置网络 (N1) 是使用功能 API 定义的，因此无法使用 %>% 运算符按顺序添加额外的层。

我还尝试使用功能 API 将额外的输出层定义为单独的架构，但我找不到合并这两个模型的方法：

N2_in <-  layer_input(shape = c(2048)) #note: output shape of N1
N2_out <- N2_in %>% layer_dense(units = 2, activation = 'sigmoid')
N2 <- keras_model(N2_in, N2_out)

#try to merge with pipe again:
N1 %>% N2

如果我尝试与管道运算符合并，则会出现以下错误：

Error in py_call_impl(callable, dots$args, dots$keywords) : 
  ValueError: Attempt to convert a value (<tensorflow.python.keras.engine.training.Model object at 0x7f88950ed748>) with an unsupported type (<class 'tensorflow.python.keras.engine.training.Model'>) to a Tensor. 

非常感谢任何关于如何将 N1 与 outlayer 或 N2 结合使用的想法 - 并感谢您的阅读！

【参考方案1】：

使用函数式 api 时，您可以使用以下方式调用层/模型 像下面的input 这样的张量，而不是层本身。 这是一个可以满足您要求的工作 sn-p：

library(keras)
input <- layer_input(shape = c(75, 75, 1))
#> Loaded Tensorflow version 2.6.0
input
#> KerasTensor(type_spec=TensorSpec(shape=(None, 75, 75, 1), dtype=tf.float32, name='input_1'), name='input_1', description="created by layer 'input_1'")

N1 <- application_inception_v3(weights = NULL,
                               input_tensor = input,
                               include_top = FALSE)

output_layer_instance <- layer_dense(units = 2, activation = 'sigmoid')
output <- input %>% N1() %>% output_layer_instance()
output
#> KerasTensor(type_spec=TensorSpec(shape=(None, 1, 1, 2), dtype=tf.float32, name=None), name='dense/Sigmoid:0', description="created by layer 'dense'")

model <- keras_model(input, output)
model
#> Model
#> Model: "model"
#> ________________________________________________________________________________
#> Layer (type)                        Output Shape                    Param #     
#> ================================================================================
#> input_1 (InputLayer)                [(None, 75, 75, 1)]             0           
#> ________________________________________________________________________________
#> inception_v3 (Functional)           (None, 1, 1, 2048)              21802208    
#> ________________________________________________________________________________
#> dense (Dense)                       (None, 1, 1, 2)                 4098        
#> ================================================================================
#> Total params: 21,806,306
#> Trainable params: 21,771,874
#> Non-trainable params: 34,432
#> ________________________________________________________________________________

^{由reprex package (v2.0.1) 于 2021 年 10 月 15 日创建}

【讨论】：

非常感谢，这正是我想要的！

很高兴听到这个消息！请不要忘记接受答案。