將層添加到預訓練的 model 而無需創建順序 model

Question

我正在使用預訓練的 Re.net50（來自 tensorflow.keras.applications 包）和 f.netune 用於多標簽分類（有 2 個類），我想從 f.netuned model 中提取顯着圖。

為了制作分類器，我向 Re.net model 添加了 2 個密集層，創建了一個新的順序 model，如下所示：

    self.model = tf.keras.Sequential([
        resnet50,
        layers.Dense(1024, activation='relu', name='hidden_layer'),
        layers.Dense(2, activation='sigmoid', name='output')
    ])

但我的問題是 re.net50 變成了“單層”，就像每一層都無法訪問：model 摘要僅包含 3 層。 我想知道是否有一種方法可以在不創建順序 model 的情況下向功能性 model 添加層，以便能夠訪問 re.net model 的每一層。

先感謝您，

Answer 1

要訪問 re.net50 model 的層，您必須首先訪問 re.net50 層 a，然后從該層訪問要為其創建顯着性的卷積層 map。

self.model.get_layer("resnet50").get_layer("conv5_block2_3_conv")