如何将keras张量流转换为keras mxnet

Question

我在带有tensorflow后端的keras中有一个工作的python代码。我正在利用从VGG16进行的转移学习。一切都很好。

我想使用mxnet后端，但是有一些问题：

from keras.preprocessing.image import ImageDataGenerator

from keras import applications

from helper import target_size, batch_size

from math import ceil

import numpy as np

datagen = ImageDataGenerator(rescale=1./255)

加载vgg16模型，不包括最上面的全连接层

model = applications.VGG16(include_top=False, weights='imagenet' , input_shape=(224, 224 , 3))

上面的代码（shape（224,224,3））给出：

ValueError：输入必须具有3个通道。得到了input_shape=(224, 224, 3)

如果我使用：shape（3,224,24）

'变量％s的重新定义'％self.name断言错误：重新定义了变量block1_conv1 / kernel1

如何在工作代码中正确使用mxnet而不是tensorflow后端？

注意：keras.json：

{

"epsilon": 1e-07, 

"floatx": "float32", 

"image_data_format": "channels_first", 

"backend": "mxnet"

}

当我将后端从tensorflow更改为mxnet时，keras是否需要重新下载mxnet的vgg16模型？

Answer 1

解决方案：将data_format设置为“ channels_last”。细节：VGG16 imagenet权重采用“ channels_last”格式。您应该将keras配置设置为'channels_last'以使其与MXNet后端一起使用。我们遇到了Github问题，正在努力使MXNet后端以不同的data_format加载其他经过后端训练的权重。即，假设您有一个经过TFs后端训练的模型，该模型是使用channels_last格式训练的。如果您尝试在data_format设置为'channels_first'的情况下将其加载到MXNet后端中，则不会自动从channels_last转换为channels_first。问题原因：当使用channels_last格式调用图层时，MXNet后端会转换Conv图层的输入和内核，以加快速度。并且，这将导致未训练的其他后端模型权重的问题。我们正在修复它并启用该功能。