python - 如何在 Keras 的迁移学习中使用 input_shape 和 input_tensor？

Question

当我们在 Keras2 中进行迁移学习时，Arguments 需要“input_shape”和“input_tensor”。但我只使用 input_tensor 并且从未使用过 input_shape。我觉得只有input_tensor就够了，不知道什么时候用input_shape。我应该如何分别使用它们？

我同时使用 input_tensor 和 input_shape 分别取值，只采用了 input_tensor 的值而忽略了 input_shape。

vgg16_model = VGG16(include_top=False, weights='imagenet', 
                    input_tensor = Input(shape=(150, 150, 3)), 
                    input_shape=(224,224,3))

top_model = Sequential()
top_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dense(1, activation='sigmoid'))
model = Model(input=vgg16_model.input, output=top_model(vgg16_model.output))

model.summary()

Layer (type)                 Output Shape              Param #   
================================================================
input_6 (InputLayer)         (None, 150, 150, 3)       0         
_________________________________________________________________
block1_conv1 (Conv2D)        (None, 150, 150, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 150, 150, 64)      36928     
_________________________________________________________________
block1_pool (MaxPooling2D)   (None, 75, 75, 64)        0         
_________________________________________________________________
block2_conv......

我预计这段代码会出现一些错误，但没有错误，而且这个模型可以接受 (150, 150, 3) 的形状。 Input_shape=(224,224,3) 被忽略了。

你能帮我一点忙吗？谢谢。

Answer 1

VGG16 代码可能只是忘记检查两个参数。

当然，两者都没有意义。

• 当您希望模型自动创建具有该尺寸的输入层时，您可以使用 input_shape。
• 当您有一个要作为输入的张量时，您可以使用 input_tensor。

您可以在input_tensor中使用任何张量，这意味着使用其他模型/层的输出作为VGG16的输入.当然，你可以像你一样传递一个虚拟输入张量，代码没有理由提示，它收到了一个张量，好的。

唯一的问题是编码员忘记验证“如果两个参数都存在，则抛出错误”。