tensorflow - 如何加载微调的 keras 模型

Question

我正在关注 this使用 VGG16 模型尝试微调的教程，我训练了模型并保存了 .h5文件使用 model.save_weights和

vgg_conv = VGG16(include_top=False, weights='imagenet', input_shape=(image_size, image_size, 3))

    # Freeze the layers except the last 4 layers
    for layer in vgg_conv.layers[:-4]:
        layer.trainable = False

    model = Sequential()
    model.add(vgg_conv)
    model.add(Flatten())
    model.add(Dense(256, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(11, activation='softmax'))

然后我尝试使用以下方法重建架构并加载权重

def create_model(self):
    model = Sequential()
    vgg_model = VGG16(include_top=False, weights='imagenet', input_shape=(150, 150, 3))
    model.add(vgg_model)
    model.add(Flatten())
    model.add(Dense(256, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(11, activation='softmax'))
    model.load_weights(self.top_model_weights_path) # throws error
    return model

但它然后抛出这个错误

ValueError: Cannot feed value of shape (512, 512, 3, 3) for Tensor 'Placeholder:0', which has shape '(3, 3, 3, 64)'

我究竟做错了什么？

Answer 1

问题来自两个模型之间的可训练差异。如果您卡住 create_model 函数中的最后 4 个层，它将起作用。

但正如 Igna 所说，model.save 和 model.load_model 更简单。