我首先使用ResNet-50层在我的数据集上冻结,使用以下方法进行培训:
model_r50 = ResNet50(weights='imagenet', include_top=False)
model_r50.summary()
input_layer = Input(shape=(img_width,img_height,3),name = 'image_input')
output_r50 = model_r50(input_layer)
fl = Flatten(name='flatten')(output_r50)
dense = Dense(1024, activation='relu', name='fc1')(fl)
drop = Dropout(0.5, name='drop')(dense)
pred = Dense(nb_classes, activation='softmax', name='predictions')(drop)
fine_model = Model(outputs=pred,inputs=input_layer)
for layer in model_r50.layers:
layer.trainable = False
print layer
fine_model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
fine_model.summary()
然后,我尝试使用以下方法对其进行微调:
^{pr2}$但我不知从哪里冒出这个错误。我只是解冻了网络,什么也没改变!在
load_weights_from_hdf5_group(f, self.layers)
File "/usr/local/lib/python2.7/dist-packages/keras/engine/topology.py", line 3008, in load_weights_from_hdf5_group
K.batch_set_value(weight_value_tuples)
File "/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py", line 2189, in batch_set_value
get_session().run(assign_ops, feed_dict=feed_dict)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py", line 778, in run
run_metadata_ptr)
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py", line 961, in _run
% (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (128,) for Tensor u'Placeholder_140:0', which has shape '(512,)'
而且不一致。大多数时候我的身材都不一样。为什么会这样?如果我把ResNet改成VGG19就不会发生了。Keras中的ResNet有问题吗?在
以下程序通常对我有效:
将重量加载到冻结模型中。
将图层更改为可训练。
编译模型。
即在这种情况下:
你的}不能正确处理这种类型的嵌套{}。在
fine_model
是一个Model
,里面有另一个Model
(即ResNet50
)。问题似乎是save_weight()
和{也许您可以尝试以一种不会导致“嵌套的
Model
”的方式构建模型。例如相关问题 更多 >
编程相关推荐