从自定义预训练模型中删除层
Posted
技术标签:
【中文标题】从自定义预训练模型中删除层【英文标题】:Remove layers from a custom pre-trained model 【发布时间】:2020-01-30 22:12:57 【问题描述】:我在 keras 的 Inception 模型上进行了迁移学习,如下所示:
base_model = applications.InceptionV3(weights='imagenet', include_top=False, input_shape=input_shape)
model_top = Sequential()
model_top.add(GlobalAveragePooling2D(input_shape=base_model.output_shape[1:], data_format=None))
model_top.add(Dropout(0.4))
model_top.add(Dense(2))
model_top.add(Activation("softmax"))
# model_top.summary()
model = Model(inputs=base_model.input, outputs=model_top(base_model.output))
我想使用经过训练的模型从 GlobalAveragePooling 层中提取特征,但我不知道如何访问它。 加载模型后,摘要如下所示:
如果显示self.model.layers[-1]
的摘要,我可以看到 Sequential 中的 GlobalAveragePooling、Dropout 和 Dense 层,但看不到 Inception 层。我想要的是 Inception 层,然后是 GlobalAveragePooling。
这可能吗,还是我必须使用功能 API 重新构建架构并重新训练整个事物?
谢谢!
【问题讨论】:
【参考方案1】:直接在 Sequential 中添加 Inception 模型对我有用:
from keras import applications
from keras.layers import GlobalAveragePooling2D, Dropout, Dense, Activation
from keras.models import Model, Sequential
input_shape = (299, 299, 3)
base_model = applications.InceptionV3(weights='imagenet', include_top=False, input_shape=input_shape)
model = Sequential([
applications.InceptionV3(weights='imagenet', include_top=False),
GlobalAveragePooling2D(),
Dropout(0.4),
Dense(2),
Activation("softmax")
])
model.summary()
submodel = Model(inputs=model.input, outputs=model.get_layer("global_average_pooling2d_1").output)
submodel.summary()
【讨论】:
是的,但这意味着我需要再次训练。我有 .hdf5 文件,其中包含我之前描述的权重和架构,我想从这个架构中删除最后 2 层以进入 GlobalAveragePooling。我想使用我必须进行特征提取的检查点。我希望我现在说得更清楚了。谢谢!以上是关于从自定义预训练模型中删除层的主要内容,如果未能解决你的问题,请参考以下文章
Dataset_factory importerror:Tensorflow 从自定义数据的现有检查点微调预训练模型