如何在Keras中改变模型的输入形状

Question

我有一个这样加载的模型：

def YOLOv3_pretrained(n_classes=12, n_bbox=3):

yolo3 = tf.keras.models.load_model("yolov3/yolo3.h5")
yolo3.trainable = False
l3 = yolo3.get_layer('leaky_re_lu_71').output
l3_flat = tf.keras.layers.Flatten()(l3)
out3 = tf.keras.layers.Dense(100*(4+1+n_classes))(l3_flat)
out3 = Reshape((100, (4+1+n_classes)), input_shape=(12,))(out3)
yolo3 = Model(inputs=yolo3.input, outputs=[out3])
return yolo3

我想在它的末尾添加一个稠密的，但是由于它采用了一个形状输入(None，416,416,3)，所以它不允许我这样做，它返回一个错误：

ValueError: The last dimension of the inputs to a Dense layer should be defined. Found None. Full input shape received: (None, None)

我也尝试过用顺序(我只想使用yolo的最后一个输出)：

def YOLOv3_Dense(n_classes=12):

yolo3 = tf.keras.models.load_model("yolov3/yolo3.h5")

model = Sequential()
model.add(yolo3)
model.add(Flatten())
model.add(Dense(100*(4+1+n_classes)))
model.add(Reshape((100, (4+1+n_classes)), input_shape=(413,413,3)))
return model

但是它返回另一个错误：

ValueError: All layers in a Sequential model should have a single output tensor. For multi-output layers, use the functional API.

有没有办法增加最后的致密层？

Answer 1

问题是，您试图减少(扁平)具有多个None维度的输出，如果要将输出用作另一层的输入，则该输出将无法工作。您可以尝试使用GlobalAveragePooling2D或GlobalMaxPooling2D来代替：

import tensorflow as tf

yolo3 = tf.keras.models.load_model("yolo3.h5")
yolo3.trainable = False
l3 = yolo3.get_layer('leaky_re_lu_71').output
l3_flat = tf.keras.layers.GlobalMaxPooling2D()(l3)
out3 = tf.keras.layers.Dense(100*(4+1+12))(l3_flat)
out3 = tf.keras.layers.Reshape((100, (4+1+12)), input_shape=(12,))(out3)
yolo3 = tf.keras.Model(inputs=yolo3.input, outputs=[out3])