时间戳

首页 > 解决方案 > 如何堆叠两个模型以在 TensorFlow 中创建新模型？

python - 如何堆叠两个模型以在 TensorFlow 中创建新模型？

问题描述

我正在准备两个模型（一个是另一个的子集）。

input_shape = (480, 800, 3)
conv_layer = Conv2D(filters=3, kernel_size=5, strides=(1, 1), padding="same")

# The outputs of the conv layer match the inputs of model_1
model_1 = tf.keras.applications.MobileNetV3Small(input_shape)
model_2 = conv_layer + model_1  # I need help with this line

我想创建一个model_2这样的，它有一个额外的 Conv2D 层。的参数conv_layer确保输入大小与其输出相同。因此，应该可以堆叠conv_layer和model_1生成model_2.

我正在考虑创建一个只有 的模型conv_layer，例如：

conv_model = Sequential([
               Input(shape=input_shape),
               Conv2D(filters=3, kernel_size=5, strides=(1, 1), padding="same")
             ])

在这种情况下，我将不得不堆叠两个模型conv_model并model_1创建model_2.

我不知道如何做这两者中的任何一个，以实现我所需要的。

编辑：修复了填充conv_layer以确保输入大小相同。

标签： pythontensorflow

解决方案

您可以简单地添加model_1到Sequential. 另请注意，conv 层的输出与 model_1 的输入不匹配 - 您需要为此使用padding="same"：

import tensorflow as tf
import numpy as np

input_shape = (480, 800, 3)
conv_layer = tf.keras.layers.Conv2D(filters=3, kernel_size=5, strides=(1, 1), padding="same")
model_1 = tf.keras.applications.MobileNetV3Small(input_shape)
model_2 = tf.keras.Sequential([
    tf.keras.layers.InputLayer(input_shape=input_shape),
    conv_layer,
    model_1
])
# let's test that everything works on random data
model_2.predict(np.random.random((1, 480, 800, 3)))

推荐阅读