加载重物时keras设置为TF格式

Question

我Keras' image_dim_ordering属性设置为‘TF’，所以我定义我的模型，因为这：

model = Sequential() 
model.add(ZeroPadding2D((1, 1), input_shape=(224, 224, 3))) 
model.add(Convolution2D(64, 3, 3, activation='relu')) 

但是当我打电话load_weights方法，

Exception: Layer weight shape (3, 3, 3, 64) not compatible with provided weight shape (64, 3, 3, 3) 

我如何可以加载这些权重，并自动转他们解决Tensorflow的格式：崩溃，因为我的模型是用“日”的格式保存的？

Answer 1

我问弗朗索瓦CHOLLET这个（他没有一个SO账户）和他亲切沿着这个答复传递：

---

“TH”格式，则意味着卷积内核将具有形状（深度，input_depth，行，COLS）

“TF”格式，则意味着卷积内核将有

因此，你可以通过np.transpose(x, (2, 3, 1, 0))在从前者转化到后来的形状（行的cols，input_depth，深度） x是t的值他卷积核心。

下面是一些代码进行转换：

from keras import backend as K 

K.set_image_dim_ordering('th') 

# build model in TH mode, as th_model 
th_model = ... 
# load weights that were saved in TH mode into th_model 
th_model.load_weights(...) 

K.set_image_dim_ordering('tf') 

# build model in TF mode, as tf_model 
tf_model = ... 

# transfer weights from th_model to tf_model 
for th_layer, tf_layer in zip(th_model.layers, tf_model.layers): 
    if th_layer.__class__.__name__ == 'Convolution2D': 
     kernel, bias = layer.get_weights() 
     kernel = np.transpose(kernel, (2, 3, 1, 0)) 
     tf_layer.set_weights([kernel, bias]) 
    else: 
     tf_layer.set_weights(tf_layer.get_weights()) 

在情况下，模型包含致密层的Convolution2D层的下游，则第一致密层的权重矩阵将需要被重排为好。