keras 中的自定義 keras.applications 模型

Question

我想使用keras.applications.resnet50來訓練模型。

但是在我的數據中，它們不僅是圖像，還有一些表中的變量項。

我看到keras的文檔， keras.layers.concatenate可以在我flatten image term后將兩層合並在一起。

但是keras.applications.resnet50不能連接變量項。

如何基於預訓練模型對層進行服裝化？

有我的演示代碼打擊：

import keras
from keras.models import Sequential, concatenate
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.utils import to_categorical
from keras.layers import Input
from keras.models import Model
from keras.applications.resnet50 import ResNet50
VariableSize = 16
ResNet = ResNet50(include_top=True, weights=None, input_tensor=None, input_shape=(64,64,3), pooling=None, classes=2)
ResNet.layers.pop()
VariableNet = Input(shape=(VariableSize,))
ModelNet = keras.layers.concatenate([ResNet, VariableNet])  ##  Error
##
##  And connect output layer before complie

Answer 1

當您將ResNet作為輸入傳遞給keras.layers.concatenate ，您傳遞的是一個完整的模型，而不僅僅是一個層。 要將ResNet的輸出層與可變長度輸入連接起來，您可以簡單地用ResNet.output替換ResNet ，如下所示：

ModelNet = keras.layers.concatenate([ResNet.output, VariableNet])