修改 resnet 模型中的图层

Posted 2023-03-15

【中文标题】修改 resnet 模型中的图层

【英文标题】：Modify layers in resnet model

【发布时间】：2018-10-12 15:29:31

【问题描述】：

我正在尝试为图像分类问题训练 resnet50 模型。在我拥有的数据集上训练模型之前，我已经加载了预训练的“imagenet”权重。我想在输入层和第一个卷积层之间插入一个层（平均减法层）。

model = ResNet50(weights='imagenet')
def mean_subtract(img):
    img = T.set_subtensor(img[:,0,:,:],img[:,0,:,:] - 123.68)
    img = T.set_subtensor(img[:,1,:,:],img[:,1,:,:] - 116.779)
    img = T.set_subtensor(img[:,2,:,:],img[:,2,:,:] - 103.939)

    return img / 255.0

我想在输入层旁边插入inputs = Lambda(mean_subtract, name='mean_subtraction')(inputs)，并将其连接到 resnet 模型的第一个卷积层，而不会丢失保存的权重。

我该怎么做？

谢谢！

【参考方案1】：

快速解答（似乎比在模型中添加功能更好）

使用此处描述的预处理功能：preprocessing images generated using keras function ImageDataGenerator() to train resnet50 model

长答案

由于你的函数不会改变形状，你可以在不改变 Resnet 模型的情况下将它放在一个外部模型中（改变模型可能不是那么简单，如果需要，我总是尝试用其他模型的部件安装新模型）。

resnet_model = ResNet50(weights='imagenet')

inputs = Input((None,None,3)) 
    #it seems you're using (3,None,None) instead.    
    #choose based on your "data_format", which by default is channels_last 

outputs = Lambda(mean_subtract,output_shape=not_necessary_with_tensorflow)(inputs)
outputs = resnet_model(outputs)

model = Model(inputs, outputs)