在 Z1BDF605991920DB11ZCBDF8508 中實現 Keras Model 轉換為 CoreML model 時出現致命錯誤

Question

我正在制作一個 iOS 應用程序，該應用程序使用在 Keras 中開發並轉換為 CoreML Z20F35E630DAF49DCFAZ3685C3F94DBCFA4C 的深度學習 Model。 我正在使用從 Apple 網站下載的 Resnet50 CoreML Model 並且該應用程序運行正常，但是當我實現 model 時，當我從照片庫中選擇圖像或使用應用程序中的相機拍照時出現錯誤。 這是與 CoreML Model 相關的代碼和我得到的錯誤： 這是用於將 Keras Model 轉換為 CoreML model 的代碼：

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')

我不知道如何解決這個錯誤，在此先感謝：這是我的 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

我找到了解決問題的方法，所以我將其發布，以防將來有人遇到同樣的問題。 您需要更改以下內容：

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

至

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

並且還記得將損失從binary_crossentropy更改為categorical_crossentropy 。