Question

我在InceptionResNetV2模型之前添加了一个密集层（预训练）这是InceptionResNetV2输出

model_base = InceptionResNetV2(include_top=True, weights='imagenet')
x = model_base.get_layer('avg_pool').output
x = Dense(3, activation='softmax')(x)

这是将添加的图层

input1 = Input(shape=input_shape1)
pre1 = Conv2D(filters=3, kernel_size=(5, 5), padding='SAME', 
input_shape=input_shape1, name='first_dense')(input1)
pre = Model(inputs=input1, outputs=pre1)

这是两个模型的组合

 after = Model(inputs=pre.output, outputs=x)

 model = Model(inputs=input1, outputs=after.output)

 model.compile(optimizer='sgd', loss='categorical_crossentropy', metrics=['accuracy'])

使用

pre.output

as

after.input

但它不起作用。我该如何解决？

Answer 1

首先让我们从model_base创建一个新模型，因为你想得到一个更早的输出。

您的代码：

model_base = InceptionResNetV2(include_top=True, weights='imagenet')
x = model_base.get_layer('avg_pool').output
x = Dense(3, activation='softmax')(x)

新model_base：

model_base = Model(model_base.input, x)

现在，将输出pre1传递给此模型非常重要：

base_out = model_base(pre1)

就是这样：

model = Model(input1, base_out)

keras：使用一个模型输出作为另一个模型输入

1 个答案: