刪除最后一層並在Keras中插入三個Conv2D層

Question

我在Keras中有一個用於分類的模型，該模型是在一些數據集上訓練的。 將該模型稱為“ classification_model”。 該模型保存在“ classification.h5”中。 用於檢測的模型相同，除了我們刪除最后一個卷積層，並添加三個大小為(3,3) Conv2D層。 因此，我們的檢測模型“ detection_model”應如下所示：

detection_model =分類模型[：last_conv_index] + Conv2d + Conv2d + Conv2d。

我們如何在Keras中實現它？

Answer 1

好吧，加載您的分類模型並使用Keras功能API來構建新模型：

model = load_model("classification.h5")

last_conv_layer_output = model.layers[last_conv_index].output
conv = Conv2D(...)(last_conv_layer_output)
conv = Conv2D(...)(conv)
output = Conv2D(...)(conv)

new_model = Model(model.inputs, output)

# compile the new model and save it ...