在 Z1BDF605991920DB11ZCBDF8508 中实现 Keras Model 转换为 CoreML model 时出现致命错误

Question

我正在制作一个 iOS 应用程序，该应用程序使用在 Keras 中开发并转换为 CoreML Z20F35E630DAF49DCFAZ3685C3F94DBCFA4C 的深度学习 Model。 我正在使用从 Apple 网站下载的 Resnet50 CoreML Model 并且该应用程序运行正常，但是当我实现 model 时，当我从照片库中选择图像或使用应用程序中的相机拍照时出现错误。 这是与 CoreML Model 相关的代码和我得到的错误： 这是用于将 Keras Model 转换为 CoreML model 的代码：

output_labels = ['0', '1']

coreml_model = coremltools.converters.keras.convert('Costume.h5', input_names=['image'],
                                                class_labels=output_labels, image_input_names='image',
                                                output_names=['output'])

print(coreml_model)  # Check that input type is imageType

# Metadata for XCode
coreml_model.author = 'Author'
coreml_model.short_description = 'Some Description'
coreml_model.input_description['image'] = 'Takes as input an image'
coreml_model.output_description['output'] = 'Prediction of image'

coreml_model.save('Costume.mlmodel')

我不知道如何解决这个错误，在此先感谢：这是我的 Keras 模型：

model = Sequential()

# Hidden Layer 1
model.add(Conv2D(128, 3, 3, border_mode='same', input_shape=input_shape, activation='relu'))
model.add(Conv2D(64, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

# Hidden Layer 2
model.add(Conv2D(128, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

# Hidden Layer 3
model.add(Conv2D(64, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(64, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

# Hidden Layer 4
model.add(Conv2D(32, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(1))
model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy',
          optimizer=RMSprop(lr=0.0001),
          metrics=['accuracy'])

model.summary()

Answer 1

我找到了解决问题的方法，所以我将其发布，以防将来有人遇到同样的问题。 您需要更改以下内容：

model.add(Dense(1))
model.add(Activation('sigmoid'))

至

model.add(Dense(2))
model.add(Activation('softmax'))

并且还记得将损失从binary_crossentropy更改为categorical_crossentropy 。