我正在嘗試修剪預(yù)訓(xùn)練模型：MobileNetV2，但出現(xiàn)此錯(cuò)誤。嘗試在網(wǎng)上搜索，無法理解。我在Google Colab上運(yùn)行。這些是我的進(jìn)口商品。import tensorflow as tfimport tensorflow_model_optimization as tfmotimport tensorflow_datasets as tfdsfrom tensorflow import kerasimport osimport numpy as npimport matplotlib.pyplot as pltimport tempfileimport zipfile這是我的代碼。model_1 = keras.Sequential([ basemodel, keras.layers.GlobalAveragePooling2D(), keras.layers.Dense(1) ])model_1.compile(optimizer='adam', loss=keras.losses.BinaryCrossentropy(from_logits=True), metrics=['accuracy'])model_1.fit(train_batches, epochs=5, validation_data=valid_batches)prune_low_magnitude = tfmot.sparsity.keras.prune_low_magnitudepruning_params = { 'pruning_schedule': tfmot.sparsity.keras.PolynomialDecay(initial_sparsity=0.50, final_sparsity=0.80, begin_step=0, end_step=end_step)}model_2 = prune_low_magnitude(model_1, **pruning_params)model_2.compile(optmizer='adam', loss=keres.losses.BinaryCrossentropy(from_logits=True), metrics=['accuracy'])這是我得到的錯(cuò)誤。---> 12 model_2 = prune_low_magnitude(model, **pruning_params)ValueError: Please initialize `Prune` with a supported layer. Layers should either be a `PrunableLayer` instance, or should be supported by the PruneRegistry. You passed: <class 'tensorflow.python.keras.engine.training.Model'>
5 回答
四季花海
TA貢獻(xiàn)1811條經(jīng)驗(yàn) 獲得超5個(gè)贊
我相信您正在關(guān)注Pruning in Keras Example并跳入Fine-tune pre-trained model with pruning部分而沒有設(shè)置可修剪層。您必須重新實(shí)例化模型并設(shè)置您希望設(shè)置為的圖層prunable。請按照本指南了解有關(guān)如何設(shè)置可修剪層的更多信息。
https://www.tensorflow.org/model_optimization/guide/pruning/comprehensive_guide.md
qq_花開花謝_0
TA貢獻(xiàn)1835條經(jīng)驗(yàn) 獲得超7個(gè)贊
如下保存模型并重新加載對我有用。
_, keras_file = tempfile.mkstemp('.h5')
tf.keras.models.save_model(model, keras_file, include_optimizer=False)
print('Saved baseline model to:', keras_file)
拉丁的傳說
TA貢獻(xiàn)1789條經(jīng)驗(yàn) 獲得超8個(gè)贊
今天有同樣的問題，它的以下錯(cuò)誤。
如果您不想修剪該層或不關(guān)心它，您可以使用此代碼僅修剪模型中的可修剪層：
from tensorflow_model_optimization.python.core.sparsity.keras import prunable_layer
from tensorflow_model_optimization.python.core.sparsity.keras import prune_registry
def apply_pruning_to_prunable_layers(layer):
if isinstance(layer, prunable_layer.PrunableLayer) or hasattr(layer, 'get_prunable_weights') or prune_registry.PruneRegistry.supports(layer):
return tfmot.sparsity.keras.prune_low_magnitude(layer)
print("Not Prunable: ", layer)
return layer
model_for_pruning = tf.keras.models.clone_model(
base_model,
clone_function=apply_pruning_to_pruneable_layers
)
元芳怎么了
TA貢獻(xiàn)1798條經(jīng)驗(yàn) 獲得超7個(gè)贊
我遇到了同樣的問題：
張量流版本：
2.2.0
只是更新tensorflow的版本就2.3.0解決了這個(gè)問題，我認(rèn)為Tensorflow在2.3.0中增加了對這個(gè)特性的支持。
揚(yáng)帆大魚
TA貢獻(xiàn)1799條經(jīng)驗(yàn) 獲得超9個(gè)贊
我發(fā)現(xiàn)的一件事是我添加到模型中的實(shí)驗(yàn)性預(yù)處理引發(fā)了這個(gè)錯(cuò)誤。我在模型的開頭使用它來幫助添加更多訓(xùn)練樣本，但 keras 修剪代碼不喜歡這樣的子類模型。同樣，代碼不喜歡我對圖像居中所做的實(shí)驗(yàn)性預(yù)處理。從模型中刪除預(yù)處理為我解決了這個(gè)問題。
def classificationModel(trainImgs, testImgs):
L2_lambda = 0.01
data_augmentation = tf.keras.Sequential(
[ layers.experimental.preprocessing.RandomFlip("horizontal", input_shape=IM_DIMS),
layers.experimental.preprocessing.RandomRotation(0.1),
layers.experimental.preprocessing.RandomZoom(0.1),])
model = tf.keras.Sequential()
model.add(data_augmentation)
model.add(layers.experimental.preprocessing.Rescaling(1./255, input_shape=IM_DIMS))
...
添加回答
舉報(bào)
0/150
提交
取消