我試圖用卷積層替換VGG 16網(wǎng)絡(luò)末尾的FC層。以下是我的代碼：model2= Sequential()model2.add(Conv2D(4096, kernel_size=(8,8), activation="relu"))model2.add(Conv2D(4096, kernel_size=(1,1), activation="relu"))model2.add(Conv2D(16, kernel_size=(1,1), activation="softmax"))model = applications.VGG16(weights='imagenet', include_top=False, input_shape=inputshape)F2model = Model(inputs=model.input, outputs=model2(model.output))for layer in F2model.layers[:25]: layer.trainable = FalseF2model.compile(optimizer=optimizers.Adam(), loss="binary_crossentropy", metrics=["accuracy"])batch_size = 128trainsize = 36000validsize = 12000F2model.fit_generator( train_generator, steps_per_epoch=trainsize // batch_size, epochs=5, validation_data=valid_generator, validation_steps=validsize // batch_size,callbacks=[tensorboard_callback])我使用FC層訓(xùn)練常規(guī)網(wǎng)絡(luò)，運行良好，但是當(dāng)我運行上述內(nèi)容時，我收到以下錯誤：ValueError Traceback (most recent call last)in <module> 4 epochs=5, 5 validation_data=valid_generator, ----> 6 validation_steps=validsize // batch_size,callbacks=[tensorboard_callback])ValueError: Error when checking target: expected sequential_1 to have 4 dimensions, but got array with shape (32, 16)在這一點上，我試圖弄清楚這些維度（32，16）來自哪里。ANy的幫助將不勝感激。謝謝
1 回答
冉冉說
TA貢獻1877條經(jīng)驗 獲得超1個贊
keras的功能API更適合這種問題：
model = VGG16(weights='imagenet', include_top=False, input_shape=inputshape)
x = model.output
x = Conv2D(4096, kernel_size=(8, 8), activation="relu")(x)
x = Conv2D(4096, kernel_size=(1, 1), activation="relu")(x)
out = Conv2D(16, kernel_size=(1, 1), activation="softmax")(x)
F2model = Model(inputs=model.inputs, outputs=out)
for layer in F2model.layers[:25]:
layer.trainable = False
此外，我看到您正在使用具有softmax激活的binary_crossentropy，這可能會導(dǎo)致一些問題：
- 使用softmax和categorical_crossentropy
- 使用sigmoid和binary_crossentropy
并且要小心這個模型，使用4096的卷積將使你的參數(shù)數(shù)量真的非常動！
（本例中為 1.65 億）
編輯
看起來你的問題只來自你的標(biāo)簽數(shù)組：
您的最后一層是卷積層，因此它期望一個帶有形狀的4D數(shù)組，但您正在給它一個形狀數(shù)組
(batch_size, height, width, channel)(batch_size, 16)因此，要么將最后一層更改為：
out = Dense(16, activation="softmax")(x)
或者將標(biāo)簽數(shù)組更改為卷積層可接受。
添加回答
舉報
0/150
提交
取消