python - keras 中的自定义 keras.applications 模型

Question

我想使用keras.applications.resnet50来训练模型。

但在我的数据中，它们不仅仅是图像，表中还有一些变量术语。

我看到keras的文档，keras.layers.concatenate可以在我展平图像项后将两个图层组合在一起。

但是keras.applications.resnet50无法连接变量term。

如何基于预训练模型来定制图层？

这是我的演示代码:

import keras
from keras.models import Sequential, concatenate
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.utils import to_categorical
from keras.layers import Input
from keras.models import Model
from keras.applications.resnet50 import ResNet50
VariableSize = 16
ResNet = ResNet50(include_top=True, weights=None, input_tensor=None, input_shape=(64,64,3), pooling=None, classes=2)
ResNet.layers.pop()
VariableNet = Input(shape=(VariableSize,))
ModelNet = keras.layers.concatenate([ResNet, VariableNet])  ##  Error
##
##  And connect output layer before complie

Answer 1

当您将 ResNet 作为输入传递给 keras.layers.concatenate 时，您将传递一个完整的模型，而不仅仅是一个层。要将 ResNet 的输出层与可变长度输入连接起来，您只需将 ResNet 替换为 ResNet.output，如下所示:

ModelNet = keras.layers.concatenate([ResNet.output, VariableNet])