如何使用keras.applications中的模型进行传输学习？

Question

我想在Keras中预训练VGG16模型，移除它的输出层，然后把适合我的问题的类的数目放到一个新的输出层上，然后使它适合新的数据。出于这个原因，我试图在这里使用模型：https://keras.io/applications/#vgg16，但由于它不是Sequential，我不能只是model.pop()。从图层弹出并添加它也不起作用，因为在预测中它仍然期望旧图形。我会怎么做？有没有办法将这种类型的模型转换为Sequential？

Answer 1

您可以在model.layers上使用pop()，然后使用model.layers[-1].output创建新图层。

例子：

from keras.models import Model 
from keras.layers import Dense,Flatten 
from keras.applications import vgg16 
from keras import backend as K 

model = vgg16.VGG16(weights='imagenet', include_top=True) 

model.input 

model.summary(line_length=150) 

model.layers.pop() 
model.layers.pop() 

model.summary(line_length=150) 

new_layer = Dense(10, activation='softmax', name='my_dense') 

inp = model.input 
out = new_layer(model.layers[-1].output) 

model2 = Model(inp, out) 
model2.summary(line_length=150) 

或者，您可以使用这些模型include_top=False选项。在这种情况下，如果您需要使用拼合图层，则还需要传递input_shape。

model3 = vgg16.VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3)) 
model3.summary(line_length=150) 

flatten = Flatten() 
new_layer2 = Dense(10, activation='softmax', name='my_dense_2') 

inp2 = model3.input 
out2 = new_layer2(flatten(model3.output)) 

model4 = Model(inp2, out2) 
model4.summary(line_length=150)