如何从Keras模型中删除前N层？

Question

我想从预训练的Keras模型中删除第一个N层。例如，一个EfficientNetB0，其第一个3层仅负责预处理：

import tensorflow as tf

efinet = tf.keras.applications.EfficientNetB0(weights=None, include_top=True)

print(efinet.layers[:3])
# [<tensorflow.python.keras.engine.input_layer.InputLayer at 0x7fa9a870e4d0>,
# <tensorflow.python.keras.layers.preprocessing.image_preprocessing.Rescaling at 0x7fa9a61343d0>,
# <tensorflow.python.keras.layers.preprocessing.normalization.Normalization at 0x7fa9a60d21d0>]

如M.Innat所述，第一层是一个Input Layer，它应该被保留或重新连接。我想删除这些层，但这样的简单方法会引发错误：

cut_input_model = return tf.keras.Model(
    inputs=[efinet.layers[3].input], 
    outputs=efinet.outputs
)

这将导致：

ValueError: Graph disconnected: cannot obtain value for tensor KerasTensor(...)

推荐的方法是什么

Answer 1

我一直在尝试对keras tensorflow VGFace模型做同样的事情。经过大量的实验，我发现这种方法是有效的。在这种情况下，将使用除最后一层之外的所有模型，该层将替换为自定义嵌入层：

vgg_model = VGGFace(include_top=True, input_shape=(224, 224, 3)) # full VGG16 model
inputs = Input(shape=(224, 224, 3))
x = inputs
# Assemble all layers except for the last layer
for layer in vgg_model.layers[1:-2]:
  x = vgg_model.get_layer(layer.name)(x)
    
# Now add a new last layer that provides the 128 embeddings output
x = Dense(128, activation='softmax', use_bias=False, name='fc8x')(x)
# Create the custom model
custom_vgg_model = Model(inputs, x, name='custom_vggface')

与层[x]或pop（）不同，get_layer获取实际层，允许将它们组装到新的输出层集中。然后可以从中创建新模型。“for”语句以1而不是0开头，因为输入层已由“inputs”定义

这种方法适用于序列模型。不清楚它是否适用于更复杂的模型