python - 从配置加载 Keras 层

Question

我正在尝试使用“layer_from_config”Keras 实用程序从以前保存的配置中加载层，如中所述: https://keras.io/layers/about-keras-layers/

对于初学者，我尝试在基本模型上使用它

import keras
keras.backend.set_image_dim_ordering("th")

from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense


# dimensions of our images.
img_width, img_height = 150, 150

train_data_dir = '//shared_directory/projects/try_CD/data/train/'
validation_data_dir = '//shared_directory/projects/try_CD/data/validation'
nb_train_samples = 2000
nb_validation_samples = 800
nb_epoch =  50   # 50


model = Sequential()
model.add(Convolution2D(32, 3, 3, input_shape=(3, img_width, img_height)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(32, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(64, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])



from keras.utils.layer_utils import layer_from_config


config = model.layers[1].get_config()
layer = layer_from_config(config)

正如预期的那样，config 返回一个 dict 类型的对象，并打印它读取

{'activation': 'relu', 'trainable': True, 'name': 'activation_1'} 

但是，当我运行上面的代码时，我收到以下错误消息

Traceback (most recent call last):
  File "keras_CvD.py", line 91, in <module>
    layer = layer_from_config(config)
  File "/usr/local/lib/python2.7/dist-packages/keras/utils/layer_utils.py", line 26, in layer_from_config
    class_name = config['class_name']
KeyError: 'class_name'

那么，我做错了什么？

Answer 1

好吧，这是一个奇怪的案例，可能来自更新。这是它的工作方式:

如果你 print(model.layers[1].get_config()) :

{'trainable': True, 'name': 'activation_1', 'activation': 'relu'}

如果你 print(model.get_config()[1]) :

{'config': {'trainable': True, 'name': 'activation_1', 'activation': 'relu'}, 'class_name': 'Activation'}

因此 model.get_config() 是包含 layer_from_config() 将接受的字典列表的那个。

您必须获取模型配置，它是具有正确格式的层配置列表，而不是获取层列表，然后获取其格式“错误”的配置。

他们的文档似乎不是最新的。要么他们应该调整它，要么他们应该调整 layer.get_config() 的代码。

无论如何，你现在可以使用它了:)