Tensorflow从预训练模型中删除层

Question

有没有一种方法可以在Tensorflow中加载预训练的模型并删除网络中的顶层？我正在考虑Tensorflow版本r1.10

我能找到的唯一文档是tf.keras.Sequential.pop https://www.tensorflow.org/versions/r1.10/api_docs/python/tf/keras/Sequential#pop

我想通过删除一堆顶部卷积层来手动修剪一个预先训练好的网络，并添加一个自定义的完全卷积层。

编辑：

该模型是从Tensorflow Model Zoo下载的ssd_mobilenet_v1_coco。我可以访问frozen_inference_graph.pb模型文件和检查点文件。

我无法访问用于构建模型的python代码。

谢谢。

Answer 1

SSDMobileNetV1FeatureExtractor.extract_features从inspecting the code重定向research.slim.nets

  from nets import mobilenet_v1  # nets will have to be on your PYTHONPATH

with tf.variable_scope('MobilenetV1',
                       reuse=self._reuse_weights) as scope:
  with slim.arg_scope(
      mobilenet_v1.mobilenet_v1_arg_scope(
          is_training=None, regularize_depthwise=True)):
    with (slim.arg_scope(self._conv_hyperparams_fn())
          if self._override_base_feature_extractor_hyperparams
          else context_manager.IdentityContextManager()):
      _, image_features = mobilenet_v1.mobilenet_v1_base(
          ops.pad_to_multiple(preprocessed_inputs, self._pad_to_multiple),
          final_endpoint='Conv2d_13_pointwise',
          min_depth=self._min_depth,
          depth_multiplier=self._depth_multiplier,
          use_explicit_padding=self._use_explicit_padding,
          scope=scope)

mobilenet_v1_base函数接受final_endpoint参数。不需要修剪构建的图形，只需构建图形直到您想要的端点。