python - 如何使用预训练模型的第一层提取 Keras 模型内的特征(函数式 API)

Question

我想使用预训练模型的第一层——比如在 Xception 中，并包括 add_5 层来从输入中提取特征。然后将 add_5 层的输出传递到可训练的密集层。

如何实现这个想法？

Answer 1

通常，您需要重用一个模型中的层，将它们作为输入传递给其余层，并使用指定的组合模型的输入和输出创建一个模型对象。例如来自 https://github.com/FHainzl/Visualizing_Understanding_CNN_Implementation.git 的 alexnet.py .

他们有

from keras.models import Model

from keras.layers.convolutional import Conv2D, MaxPooling2D, ZeroPadding2D

def alexnet_model():
    inputs = Input(shape=(3, 227, 227))
    conv_1 = Conv2D(96, 11, strides=4, activation='relu', name='conv_1')(inputs)
    …
    prediction = Activation("softmax", name="softmax")(dense_3)
    m = Model(input=inputs, output=prediction)
    return m

然后他们采用这个返回的模型，即所需的中间层，并制作一个返回该层输出的模型:

def _sub_model(self):
    highest_layer_name = 'conv_{}'.format(self.highest_layer_num)
    highest_layer = self.base_model.get_layer(highest_layer_name)
    return Model(inputs=self.base_model.input,
                 outputs=highest_layer.output)

您将需要类似的东西，

highest_layer = self.base_model.get_layer('add_5')

然后继续像

my_dense = Dense(... name=’my_dense’)(highest_layer.output)
…

并以

结束

return Model(inputs=self.base_model.input,
             outputs=my_prediction)

由于highest_layer是一个层(图形节点)，而不是一个连接，返回结果(图形弧)，因此您需要将.output添加到highest_layer。

如果上面的模型也准备好了，不知道如何准确地组合模型。也许类似

model_2_lowest_layer = model_2.get_layer(lowest_layer_name)
upper_part_model = Model(inputs= model_2_lowest_layer.input,
                         outputs=model_2.output)
upper_part = upper_part_model()(highest_layer.output)
return Model(inputs=self.base_model.input,
             outputs=upper_part)