Keras替换输入层

Question

我拥有的代码（我无法更改）将Resnet与my_input_tensorinput_tensor一起使用。

model1 = keras.applications.resnet50.ResNet50(input_tensor=my_input_tensor, weights='imagenet')

研究源代码，ResNet50函数使用创建一个新的keras输入层，my_input_tensor然后创建模型的其余部分。这是我要用自己的模型复制的行为。我从h5文件加载我的模型。

model2 = keras.models.load_model('my_model.h5')

由于此模型已经具有输入层，因此我想用定义的新输入层替换它my_input_tensor。

如何替换输入层？

Answer 1

使用以下方法保存模型时：

old_model.save('my_model.h5')

它将保存以下内容：

1. 模型的体系结构，允许创建模型。
2. 模型的权重。
3. 模型的训练配置（损失，优化器）。
4. 优化器的状态，允许训练从您之前离开的位置继续进行。

因此，当您加载模型时：

res50_model = load_model('my_model.h5')

您应该返回相同的模型，可以使用以下命令验证相同的模型：

res50_model.summary()
res50_model.get_weights()

现在，您可以弹出输入层，并使用以下命令添加自己的输入层：

res50_model.layers.pop(0)
res50_model.summary()

添加新的输入层：

newInput = Input(batch_shape=(0,299,299,3))    # let us say this new InputLayer
newOutputs = res50_model(newInput)
newModel = Model(newInput, newOutputs)

newModel.summary()
res50_model.summary()