如何使用keras.applications中的模型进行转移学习？

Question

我想在Keras中获得预训练的VGG16模型，删除其输出层，然后放置一个具有适合我的问题的类数的新输出层，然后使其适合新数据。出于这个原因，我试图在这里使用该模型：https
:
//keras.io/applications/#vgg16，但是由于它不是顺序的，所以我不能只是model.pop()。从图层弹出并添加它也是行不通的，因为在预测中它仍然希望使用旧形状。我该怎么办？有没有办法将这种类型的模型转换为Sequential？

Answer 1

您可以使用pop()on model.layers，然后使用model.layers[-1].output来创建新层。

例：

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include_top=False这些模型的选项。在这种情况下，如果您需要使用平坦化图层，则需要传递图层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)