如何使用没有权重的预训练模型的模型架构

Question

我想使用ResNet模型架构，并想要更改最后几层；我如何才能只使用Tensorflow中模型动物园的模型架构？

Answer 1

要使用ResNet模型，您可以从tensorflow.keras.applications中选择几个，包括ResNet50、ResNet101和ResNet152。然后，如果您想要进行迁移学习，则需要更改一些默认参数。对于您的问题，您需要将weights参数设置为等于None。否则，将提供'imagenet'权重。此外，您需要将include_top设置为False，因为针对您的问题的类的数量可能与ImageNet不同。最后，您需要在input_shape中提供数据的形状。这看起来像这样。

base = tf.keras.applications.ResNet50(include_top=False, weights=None, input_shape=shape)

要获取模型的摘要，您可以执行以下操作

base.summary()

要添加自己的head，可以使用Functional API。您将需要添加一个Input层和您自己的Dense层，这将与您的任务相对应。这可能是

input = tf.keras.layers.Input(shape=shape)
base = base(input)
out = tf.keras.layers.Dense(num_classes, activation='softmax')(base)

最后，要构造一个模型，您可以这样做

model = tf.keras.models.Model(input, out)

Model构造函数有两个参数。第一个是模型的输入，第二个是输出。请注意，调用model.summary()会将ResNet基础显示为一个单独的层。要查看ResNet基础的所有层，您可以执行model.layers[1].summary()，或者您可以修改构建模型的代码。第二种方法是

out = tf.keras.layers.Dense(num_classes, activation='softmax')(base.output)
model = tf.keras.models.Model(base.input, out)

现在，您只需使用model.summary()即可查看所有图层。