使用Keras Functional微调模型

Question

我正在使用VGG16在我的数据集中完成它。

下面是模型：

def finetune(self, aux_input):
        model = applications.VGG16(weights='imagenet', include_top=False)
        # return model

        drop_5 = Input(shape=(7, 7, 512))
        flatten = Flatten()(drop_5)
        # aux_input = Input(shape=(1,))
        concat = Concatenate(axis=1)([flatten, aux_input])

        fc1 = Dense(512, kernel_regularizer=regularizers.l2(self.weight_decay))(concat)
        fc1 = Activation('relu')(fc1)
        fc1 = BatchNormalization()(fc1)

        fc1_drop = Dropout(0.5)(fc1)
        fc2 = Dense(self.num_classes)(fc1_drop)
        top_model_out = Activation('softmax')(fc2)

        top_model = Model(inputs=drop_5, outputs=top_model_out)

        output = top_model(model.output)

        complete_model = Model(inputs=[model.input, aux_input], outputs=output)

        return complete_model

我对模型有两个输入。在上面的函数中，我对扁平数组和我的aux_input使用串联。我不确定这是否适用于imagenet权重。

当我运行这个程序时，我会得到一个错误：

ValueError:图断开:不能获得张量张量(“aux_input:0”，shape=(?，1)，dtype=float32)在"aux_input“层的值。访问前几个层时没有出现任何问题：“input_2”、“flatten_1”

不知道我哪里出了问题。

如果有关系，这就是适合的功能：

model.fit(x={'input_1': x_train, 'aux_input': y_aux_train}, y=y_train, batch_size=batch_size,
                    epochs=maxepoches, validation_data=([x_test, y_aux_test], y_test),
                    callbacks=[reduce_lr, tensorboard], verbose=2)

但是，当我调用fit函数时，会在这个model.summary()函数之前得到一个错误。

Answer 1

问题是，您在aux_input中使用的是top_model，但没有将它指定为top_model定义中的输入。尝试用以下方法替换top_model和output的定义：

top_model = Model(inputs=[drop_5, aux_input], outputs=top_model_out)
output = top_model([model.output, aux_input])