繁体   English   中英

无法将VGG16图层转换为顺序图层

Cannot convert VGG16 layers to sequential

提示:本站收集StackOverFlow近2千万问答,支持中英文搜索,鼠标放在语句上弹窗显示对应的参考中文或英文, 本站还提供   中文繁体   英文版本   中英对照 版本,有任何建议请联系yoyou2525@163.com。

我正在尝试使用VGG16预训练模型进行图像分类。 同样,我做了以下事情:

vgg16_model = keras.applications.vgg16.VGG16()

模型的类型如下:

type(vgg16_model)

结果是:

tensorflow.python.keras.engine.training.Model

然后,我将顺序模型定义为:

model = Sequential()

然后,我尝试通过以下方式将vgg16_model转换为顺序的:

for layer in vgg16_model.layers:
    model.add(layer)

它显示给我一个错误,如下所示:

TypeError: The added layer must be an instance of class Layer. Found: < tensorflow.python.keras.engine.input_layer.InputLayer object at 0x1ddbce5e80>**

如果有人可以帮助我,那将是很棒的。

2 个回复

解:

我的错误是我的进口声明是:

from keras.applications.vgg16 import VGG16

然后,再次初始化模型时,我再次将其称为:

vgg16_model = keras.applications.vgg16.VGG16()

所以,我这是一个愚蠢的错误。 解决方法如下:

vgg16_model = VGG16()

我意识到这个问题非常具体,可能对社区没有太大帮助。 不过,我还是发布解决方案,以防其他人再次面对它。

一种更简单的方法是将图层直接传递给顺序模型实例,而不是使用for循环:

from keras.applications.vgg16 import VGG16

vgg = VGG16(weights='imagenet', ...)
model = Sequential(vgg.layers)
1 keras从vgg16删除图层以使其更小(VGG13)

我首先训练了一个小型网络,如下所示: 表现出大约70-75%的准确度,没有过度拟合的问题。 然后,我决定在Imagenet上训练具有预训练权重的VGG16,在其中冻结所有转换层-但一个冻结-然后添加两个fc层,然后对其进行训练。 我尝试使用Adam优化器优化模型(即使设置了小 ...

4 在CNN中删除具有%100稀疏性的图层是否有意义-VGG 16

我正在使用VGG-16作为特征提取来训练自动编码器。 每当我检查块的稀疏性(参数数量等于零/总参数)时,我注意到块5(VGG-16最深的块)具有%100稀疏性。 因为这是VGG架构最耗时的模块,所以我想尽可能删除它。 那么,删除所有具有100%稀疏性的CNN层以提高性能是有意义的吗? ...

6 将 VGG16 形状输出从 4096 个特征转换为 2048 个

我正在尝试使用 VGG16 预训练模型进行图像分类并将这些特征哑元到 csv 文件中,但我面临着特征数量的问题,我试图获得 2048 个特征而不是 4096 个特征我读过的东西很少那就是说我可以从 vgg16 模型中删除一层,然后我可以获得 2048 功能,但我被这件事困住了,谁能纠正我 df ...

7 使用 Vgg16 输出并添加额外的自定义图层时出错。 ValueError:检查输入时出错

我正在尝试使用include_top = false获取通过 Vgg16 网络传递的图像(训练和验证)的输出,然后添加最后几层,如下面的代码所示。 我希望x存储完整的模型,以便我可以从中创建一个 tflite 文件(包括 vgg 和我添加的图层) x.shape的输出是 (?, ?, ?, ...

8 为什么我写的这个VGG16无法收敛

我尝试在我的dogandcat数据集中训练VGG16的2类课程。 数据包含2个类。但是这个网络无法收敛,我不知道为什么。代码和结构如下所示。这是典型的VGG16,它具有13个conv分层器和3个完整连接。优化器是adama,学习率0.00015〜0.01 import torchvi ...

9 VGG16微调

我正在尝试微调 VGG16。 但有时我得到的验证精度是恒定的,有时固定为 0.0,有时固定为 1.0,测试精度也是如此。 还发生了训练是恒定的。 这些是一些例子: 亚当, bs: 64, lr: 0.001 RMSprop, bs: 64, lr: 0.001 SDG,bs:64,l ...

暂无
暂无

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2021 STACKOOM.COM