时间戳

首页 > 解决方案 > 修改 resnet 模型中的图层

keras - 修改 resnet 模型中的图层

问题描述

我正在尝试为图像分类问题训练 resnet50 模型。在我拥有的数据集上训练模型之前，我已经加载了预训练的“imagenet”权重。我想在输入层和第一个卷积层之间插入一个层（平均减法层）。

model = ResNet50(weights='imagenet')
def mean_subtract(img):
    img = T.set_subtensor(img[:,0,:,:],img[:,0,:,:] - 123.68)
    img = T.set_subtensor(img[:,1,:,:],img[:,1,:,:] - 116.779)
    img = T.set_subtensor(img[:,2,:,:],img[:,2,:,:] - 103.939)

    return img / 255.0

我想inputs = Lambda(mean_subtract, name='mean_subtraction')(inputs)在输入层旁边插入并将其连接到 resnet 模型的第一个卷积层，而不会丢失保存的权重。

我怎么做？

谢谢！

标签： kerasresnet

解决方案

快速回答（似乎比将功能添加到模型中更好）

使用这里描述的预处理函数：preprocessing images generated using keras function ImageDataGenerator() to train resnet50 model

长答案

由于您的函数不会改变形状，因此您可以将其放入外部模型中而无需更改 Resnet 模型（更改模型可能不是那么简单，如果需要，我总是尝试使用其他模型的零件安装新模型）。

resnet_model = ResNet50(weights='imagenet')

inputs = Input((None,None,3)) 
    #it seems you're using (3,None,None) instead.    
    #choose based on your "data_format", which by default is channels_last 

outputs = Lambda(mean_subtract,output_shape=not_necessary_with_tensorflow)(inputs)
outputs = resnet_model(outputs)

model = Model(inputs, outputs)

推荐阅读