python - 从自定义预训练模型中删除层

Question

我对 keras 的 Inception 模型进行了迁移学习，如下所示:

base_model = applications.InceptionV3(weights='imagenet', include_top=False, input_shape=input_shape)

model_top = Sequential()
model_top.add(GlobalAveragePooling2D(input_shape=base_model.output_shape[1:], data_format=None))
model_top.add(Dropout(0.4))
model_top.add(Dense(2))
model_top.add(Activation("softmax"))

# model_top.summary()

model = Model(inputs=base_model.input, outputs=model_top(base_model.output))

我想使用经过训练的模型从 GlobalAveragePooling 层中提取特征，但我不知道如何访问它。加载模型后，摘要如下所示:

如果显示 self.model.layers[-1] 的摘要，我可以看到 Sequential 中的 GlobalAveragePooling、Dropout 和 Dense 层，但看不到 Inception 层。我想要的是 Inception 层，然后是 GlobalAveragePooling。

这可能吗，还是我必须使用功能性 API 再次构建架构并重新训练整个过程？

谢谢!

Answer 1

直接在 Sequential 中添加 Inception 模型对我来说很有效:

from keras import applications
from keras.layers import GlobalAveragePooling2D, Dropout, Dense, Activation
from keras.models import Model, Sequential

input_shape = (299, 299, 3)

base_model = applications.InceptionV3(weights='imagenet', include_top=False, input_shape=input_shape)

model = Sequential([
    applications.InceptionV3(weights='imagenet', include_top=False),
    GlobalAveragePooling2D(),
    Dropout(0.4),
    Dense(2),
    Activation("softmax")
])
model.summary()

submodel = Model(inputs=model.input, outputs=model.get_layer("global_average_pooling2d_1").output)
submodel.summary()