- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 Python 3.7.7 和 Tensorflow 2.1.0。
我想创建一个 VGG16 自动编码器网络,向它加载一个权重文件,然后获取它的编码器和解码器。
获取 VGG16 自编码器网络的函数是:
def get_vgg16_encoder(input_size=(200, 200, 1)):
inputs = Input(input_size, name='input')
conv1 = Conv2D(64, (3, 3), activation='relu', padding='same', name='conv1_1')(inputs)
conv1 = Conv2D(64, (3, 3), activation='relu', padding='same', name='conv1_2')(conv1)
pool1 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name='pool_1')(conv1)
conv2 = Conv2D(128, (3, 3), activation='relu', padding='same', name='conv2_1')(pool1)
conv2 = Conv2D(128, (3, 3), activation='relu', padding='same', name='conv2_2')(conv2)
pool2 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name='pool_2')(conv2)
conv3 = Conv2D(256, (3, 3), activation='relu', padding='same', name='conv3_1')(pool2)
conv3 = Conv2D(256, (3, 3), activation='relu', padding='same', name='conv3_2')(conv3)
conv3 = Conv2D(256, (3, 3), activation='relu', padding='same', name='conv3_3')(conv3)
pool3 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name='pool_3')(conv3)
conv4 = Conv2D(512, (3, 3), activation='relu', padding='same', name='conv4_1')(pool3)
conv4 = Conv2D(512, (3, 3), activation='relu', padding='same', name='conv4_2')(conv4)
conv4 = Conv2D(512, (3, 3), activation='relu', padding='same', name='conv4_3')(conv4)
pool4 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name='pool_4')(conv4)
conv5 = Conv2D(512, (3, 3), activation='relu', padding='same', name='conv5_1')(pool4)
conv5 = Conv2D(512, (3, 3), activation='relu', padding='same', name='conv5_2')(conv5)
conv5 = Conv2D(512, (3, 3), activation='relu', padding='same', name='conv5_3')(conv5)
pool5 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name='pool_5')(conv5)
return pool5, inputs
def get_vgg16_decoder(pool5):
upsp1 = UpSampling2D(size = (2, 2), name = 'upsp1')(pool5)
conv1 = Conv2D(512, 3, activation = 'relu', padding = 'same', name = 'conv1_1_dec')(upsp1)
conv1 = Conv2D(512, 3, activation = 'relu', padding = 'same', name = 'conv1_2_dec')(conv1)
conv1 = Conv2D(512, 3, activation = 'relu', padding = 'same', name = 'conv1_3_dec')(conv1)
upsp2 = UpSampling2D(size = (2, 2), name = 'upsp2')(conv1)
conv2 = Conv2D(512, 3, activation = 'relu', padding = 'same', name = 'conv2_1_dec')(upsp2)
conv2 = Conv2D(512, 3, activation = 'relu', padding = 'same', name = 'conv2_2_dec')(conv2)
conv2 = Conv2D(512, 3, activation = 'relu', padding = 'same', name = 'conv2_3_dec')(conv2)
zero1 = ZeroPadding2D(padding=((1, 0), (1, 0)), data_format='channels_last', name='zero1')(conv2)
upsp3 = UpSampling2D(size = (2, 2), name = 'upsp3')(zero1)
conv3 = Conv2D(256, 3, activation = 'relu', padding = 'same', name = 'conv3_1_dec')(upsp3)
conv3 = Conv2D(256, 3, activation = 'relu', padding = 'same', name = 'conv3_2_dec')(conv3)
conv3 = Conv2D(256, 3, activation = 'relu', padding = 'same', name = 'conv3_3_dec')(conv3)
upsp4 = UpSampling2D(size = (2, 2), name = 'upsp4')(conv3)
conv4 = Conv2D(128, 3, activation = 'relu', padding = 'same', name = 'conv4_1_dec')(upsp4)
conv4 = Conv2D(128, 3, activation = 'relu', padding = 'same', name = 'conv4_2_dec')(conv4)
upsp5 = UpSampling2D(size = (2, 2), name = 'upsp5')(conv4)
conv5 = Conv2D(64, 3, activation = 'relu', padding = 'same', name = 'conv5_1_dec')(upsp5)
conv5 = Conv2D(64, 3, activation = 'relu', padding = 'same', name = 'conv5_2_dec')(conv5)
conv6 = Conv2D(1, 3, activation = 'relu', padding = 'same', name = 'conv6_dec')(conv5)
return conv6
def get_vgg16(img_shape=(200, 200, 1)):
enc = get_vgg16_encoder(img_shape)
dec = get_vgg16_decoder(enc[0])
model = Model(inputs=enc[-1], outputs=dec)
return model
主要功能是:
def get_vgg_encoder_decoder_trained(img_shape):
# Get the model
model = get_vgg16(img_shape)
# Compile it.
model.compile(tf.keras.optimizers.Adam(lr=(1e-4) * 2),
loss='binary_crossentropy',
metrics=['accuracy'])
# Add the weights.
path_to_weights = os.path.join(weights_path, weights_filename)
model.load_weights(path_to_weights)
# Get the encoder
first_encoder_layer = 0
last_encoder_layer = 18
encoder = Model(inputs=model.layers[first_encoder_layer].input,
outputs=model.layers[last_encoder_layer].output,
name='encoder')
# extract decoder fitted weights
restored_w = []
for w in model.layers[last_encoder_layer + 1:]:
restored_w.extend(w.get_weights())
# reconstruct decoder architecture setting the fitted weights
new_inp = [Input(l.shape[1:]) for l in get_vgg16_encoder(img_shape)]
new_dec = get_vgg16_decoder(new_inp[-1])
decoder = Model(new_inp, new_dec)
decoder.set_weights(restored_w)
return encoder, decoder
您可以下载权重文件
here .
ValueError: Layer weight shape (3, 3, 1, 512) not compatible with provided weight shape (3, 3, 512, 512)
也许错误是这段我不明白的代码:
new_inp = [Input(l.shape[1:]) for l in get_vgg16_encoder(img_shape)]
new_dec = get_vgg16_decoder(new_inp[-1])
有什么建议吗?
最佳答案
我已经解决了修改最后一段代码的错误:
# reconstruct decoder architecture setting the fitted weights
new_inp = [Input(l.shape[1:]) for l in get_vgg16_encoder(img_shape)]
new_dec = get_vgg16_decoder(new_inp[0])
decoder = Model(new_inp[0], new_dec)
decoder.set_weights(restored_w)
关于python - 将权重恢复到 VGG-16 网络时出错,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63862004/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!