如何使用 VGG19 keras 等前 10 层预训练模型？

Question

我正在尝试使用前 10 层 VGG19 进行图像分类任务的迁移学习。

我尝试使用前 10 层，但是当我将它添加到顺序模型并显示摘要时，我得到了一个错误。

basemodel = VGG19(include_top = False)    

x = basemodel.layers[-10]    

model = Sequential()    

model.add(keras.layers.Conv2D(32,(7,7),input_shape = (256,256,3),activation = 'relu'))    

model.add(x)    

model.summary()

Answer 1

我运行模型，错误是： ValueError: Input 0 is incompatible with layer block4_conv1: expected axis -1 of input shape to have value 256 but got shape (None, 250, 250, 32)删除输入形状keras.layers.Conv2D 并将其添加到 basemodel：basemodel = VGG19(include_top = False,input_shape=(256,256,3),weights='None')或者如果你想使用 Imagenet：basemodel = VGG19(include_top = False,input_shape=(256,256,3),weights='imagenet')拟合模型并让我知道发生的任何错误。

Answer 2

你只从 VGG 模型中提取了一层并以错误的方式连接它们。这是一种正确的方法：basemodel = VGG19(include_top = False)    model = tf.keras.Sequential(basemodel.layers[:10])model.add(keras.layers.Conv2D(32, (7, 7), activation = 'relu'))model.summary()请注意，第一层VGG是 anInputLayer所以你应该使用basemodel.layers[:11].请注意，要微调您的模型，最好修复 VGG 层的权重：for layer in model.layers[:10]:    layer.trainable = False

Answer 3

问题是您没有添加前 10 层，而是从顶部添加了第 10 层。此外，该层的输入应该具有 256 的倍数的通道。只需将代码替换为：model.add(keras.layers.Conv2D(256,(7,7),input_shape = (256,256,3),activation = 'relu'))