tensorflow - 如何加载微调的keras模型

Question

我正在关注this尝试使用 VGG16 模型进行微调的教程，我训练了模型并使用 model.save_weights 和

保存了 .h5 文件

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内容重建架构和负载权重

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

但它随后抛出此错误

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

我做错了什么？

Answer 1

我不确定如何解释错误，但您可以尝试在微调后将模型架构和权重一起保存model.save("model.h5")。

要加载模型，您可以键入

model = load_model('model.h5')
# summarize model.
model.summary()

我认为这样做的好处是不必重建模型，并且只需要一行即可完成相同的目的。