python - 如何使用预训练模型的模型架构但没有权重

Question

我想使用 ResNet 模型架构并想更改最后几层；我如何才能在 Tensorflow 中仅使用 model zoo 中的模型架构？

Answer 1

要使用 ResNet 模型，您可以从 tensorflow.keras.applications 中选择几个模型，包括 ResNet50、ResNet101 和 ResNet152。然后，如果您想进行迁移学习，则需要更改一些默认参数。对于您的问题，您需要将 weights 参数设置为 None。否则，将提供 'imagenet' 权重。此外，您需要将 include_top 设置为 False，因为您的问题的类数可能与 ImageNet 不同。最后，您需要在 input_shape 中提供数据的形状。这看起来像这样。

base = tf.keras.applications.ResNet50(include_top=False, weights=None, input_shape=shape)

要获得模型的摘要，你可以这样做

base.summary()

要添加自己的头像，您可以使用函数式 API。您将需要添加一个 Input 层和您自己的 Dense 层，这将与您的任务相对应。这可能是

input = tf.keras.layers.Input(shape=shape)
base = base(input)
out = tf.keras.layers.Dense(num_classes, activation='softmax')(base)

最后，构建模型，你可以做

model = tf.keras.models.Model(input, out)

Model 构造函数有两个参数。第一个是模型的输入，第二个是输出。请注意，调用 model.summary() 会将 ResNet 基础显示为单独的层。要查看 ResNet 基础的所有层，您可以执行 model.layers[1].summary()，或者您可以修改构建模型的代码。第二种方式是

out = tf.keras.layers.Dense(num_classes, activation='softmax')(base.output)
model = tf.keras.models.Model(base.input, out)

现在您只需使用 model.summary() 即可查看所有图层。