基于Keras的DenseNet201多头模型

Question

我正在尝试使用这个笔记本，其中我们定义了一个基于DenseNet201的三头模型。基于AlexNet的方法工作正常，但是DenseNet201抛出了一个错误。我是一个Pytorch用户，还没有发现ValueError: Missing data for input "input_5". You passed a data dictionary with keys ['img_input']. Expected the following keys: ['input_5']的错误。我知道在下面的代码片段中，我应该有一个名为'img_input'的名称，但我无法理解它。

class base_model():
  def __init__(self, side_dim, n_bb, n_classes, name_model):
    self.side_dim = side_dim
    self.name_model = name_model

    # base model DenseNet
    if name_model == 'DenseNet201':
      self.base_model = keras.applications.DenseNet201(
                              include_top=False,
                              input_shape=(self.side_dim, self.side_dim, 3),
                              )

      self.image_input = self.base_model.input

      self.flatten = keras.layers.Flatten()(self.base_model.layers[-2].output)

      self.BatcNorm = keras.layers.BatchNormalization()(self.flatten)

      print('Base model: DenseNet121 (7.2M params x 201 layers')

    # ----------------------------------------------------------------------
    # Add head with three different outputs to last layer of the basic model 
    # ----------------------------------------------------------------------   
    # class output 
    self.class_categorical = keras.layers.Dense((n_bb * n_classes), 
                                                activation='softmax')(self.BatcNorm)
    self.class_output = keras.layers.Reshape((n_bb, n_classes), 
                                             name='class_output')(self.class_categorical)

    # confidence output
    self.score_confidence = keras.layers.Dense((n_bb), 
                                               name='score_confidence', 
                                               activation='tanh')(self.BatcNorm)

    # bounding boxes coordinate output
    self.score_coords = keras.layers.Dense((n_bb * 4), 
                                           name='score_coords')(self.BatcNorm)

当我运行以下操作时，会引发错误：

# let's start our training
train_history = myModel.fit({'img_input': X_train}, 
                    {'class_output': class_target, 
                     'score_confidence': target_confidence, 
                     'score_coords': target_coords},
                    epochs=N_ep, 
                    validation_data=({'img_input': X_val}, 
                                     {'class_output': Val_class, 
                                      'score_confidence': Val_confidence, 
                                      'score_coords': Val_coords}), 
                    batch_size=Batchs, 
                    initial_epoch = init_ep, 
                    verbose=1,
                    callbacks=[callbacks, 
                               tensorboard_callback])

在基于AlexNet的网络中，输入名称是直接更改的，但我不知道如何对DenseNet201进行更改。

你能帮帮我吗？

Answer 1

问题是您的输入节点与保存输入的字典键没有相同的名称。

您可以先用正确的名称创建输入层，然后将其作为输入张量传递给DenseNet201函数。

self.image_input = keras.Input((self.side_dim, self.side_dim, 3), name="img_input")
self.base_model = keras.applications.DenseNet201(
                          include_top=False,
                          input_tensor=self.image_input,
                          )

另一个选项是使用输入节点的名称在您的字典中获得输入的名称：

myModel.fit({myModel.input.name: X_train}, 
            {'class_output': class_target, 
            'score_confidence': target_confidence, 
            'score_coords': target_coords})

最后一个选项是跳过在一起使用字典，因为您只有一个输入：

myModel.fit(X_train, 
            {'class_output': class_target, 
            'score_confidence': target_confidence, 
            'score_coords': target_coords})