如何使用預訓練的 keras 模型作為模型添加函數的參數？

Question

我正在將 Deep Learning with python 中的預訓練模型教程應用於 kaggle 上的數據集。 下面是我的 CNN 架構代碼，雖然很簡單，但我收到了這個錯誤：

類型錯誤：添加的圖層必須是類圖層的實例。 發現：keras.engine.training.Model 對象位於 0x7fdb6a780f60

我已經能夠在僅使用本機 keras 時做到這一點，但是在嘗試使用 tensorflow 2.0 時遇到了問題

from keras.applications.vgg16 import VGG16

base = VGG16(weights='../input/vgg16/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5',
             include_top=False,
             input_shape=(150,225,3))

model = models.Sequential()
model.add(base)
model.add(layers.Flatten())
model.add(layers.Dense(256, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))

base.summary()

Answer 1

您需要切換到函數式 API，因為順序模型只接受層：

from keras.applications.vgg16 import VGG16

base = VGG16(weights='../input/vgg16/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5',
             include_top=False,
             input_shape=(150,225,3))

in = Input(shape=(150,225,3))
base_out = base(in)
out = Flatten()(base_out)
out = Dense(256, activation='relu')
out = Dense(1, activation='sigmoid')
model = Model(in, out)
model.summary()

請注意如何將模型用作功能 API 中的層。