我正在嘗試使用前 10 層 VGG19 進(jìn)行圖像分類任務(wù)的遷移學(xué)習(xí)。我嘗試使用前 10 層，但是當(dāng)我將它添加到順序模型并顯示摘要時(shí)，我得到了一個(gè)錯(cuò)誤。basemodel = VGG19(include_top = False) x = basemodel.layers[-10] model = Sequential() model.add(keras.layers.Conv2D(32,(7,7),input_shape = (256,256,3),activation = 'relu')) model.add(x) model.summary()
3 回答
胡子哥哥
TA貢獻(xiàn)1825條經(jīng)驗(yàn) 獲得超6個(gè)贊
我運(yùn)行模型，錯(cuò)誤是： ValueError: Input 0 is incompatible with layer block4_conv1: expected axis -1 of input shape to have value 256 but got shape (None, 250, 250, 32)
刪除輸入形狀keras.layers.Conv2D 并將其添加到 basemodel：
basemodel = VGG19(include_top = False,input_shape=(256,256,3),weights='None')
或者如果你想使用 Imagenet：
basemodel = VGG19(include_top = False,input_shape=(256,256,3),weights='imagenet')
擬合模型并讓我知道發(fā)生的任何錯(cuò)誤。
蕪湖不蕪
TA貢獻(xiàn)1796條經(jīng)驗(yàn) 獲得超7個(gè)贊
你只從 VGG 模型中提取了一層并以錯(cuò)誤的方式連接它們。這是一種正確的方法：
basemodel = VGG19(include_top = False)
model = tf.keras.Sequential(basemodel.layers[:10])
model.add(keras.layers.Conv2D(32, (7, 7), activation = 'relu'))
model.summary()
請注意，第一層VGG是 anInputLayer所以你應(yīng)該使用basemodel.layers[:11].
請注意，要微調(diào)您的模型，最好修復(fù) VGG 層的權(quán)重：
for layer in model.layers[:10]:
layer.trainable = False
撒科打諢
TA貢獻(xiàn)1934條經(jīng)驗(yàn) 獲得超2個(gè)贊
問題是您沒有添加前 10 層，而是從頂部添加了第 10 層。此外，該層的輸入應(yīng)該具有 256 的倍數(shù)的通道。只需將代碼替換為：
model.add(keras.layers.Conv2D(256,(7,7),input_shape = (256,256,3),activation = 'relu'))
添加回答
舉報(bào)
0/150
提交
取消