使用预训练的VGG-16模型的咖啡因形状不匹配误差
我正在使用PyCaffe来实现受VGG
16层网络启发的神经网络。我想使用可从其GitHub页面上获得的预训练模型。通常，这通过匹配图层名称来起作用。
对于我的"fc6"图层，我的train.prototxt文件中具有以下定义：
layer {
name: "fc6"
type: "InnerProduct"
bottom: "pool5"
top: "fc6"
inner_product_param {
num_output: 4096
}
}
这是VGG-16部署体系结构的prototxt文件。请注意，"fc6"他们的原型中的与我的相同（除了学习率，但这无关紧要）。还值得注意的是，输入在我的模型中也都是相同大小的：3通道224x224px图像。
我一直在密切关注本教程，以下是给我一个问题的代码块：
solver = caffe.SGDSolver(osp.join(model_root, 'solver.prototxt'))
solver.net.copy_from(model_root + 'VGG_ILSVRC_16_layers.caffemodel')
solver.test_nets[0].share_with(solver.net)
solver.step(1)
第一行加载我的求解器原型，然后第二行复制预训练模型（VGG_ILSVRC_16_layers.caffemodel）中的权重。当求解器运行时，出现以下错误：
Cannot copy param 0 weights from layer 'fc6'; shape mismatch. Source param
shape is 1 1 4096 25088 (102760448); target param shape is 4096 32768 (134217728).
To learn this layer's parameters from scratch rather than copying from a saved
net, rename the layer.
其要点是，他们的模型期望该图层的大小为1x1x4096，而我的仅为4096。但是我不知道如何更改此图层？
我在Users Google小组中找到了这个答案，指示我在复制之前进行网络外科手术以重塑预先训练的模型，但为此，我需要lmdb原始架构的数据层中的文件，而我没有这些文件当我尝试运行网络手术脚本时会引发错误）。
问题答案：
问题不在于4096，而在于25088。您需要根据输入要素图为网络的每一层计算输出要素图。请注意，该fc图层采用固定大小的输入，因此上conv一层的输出必须与该fc图层所需的输入大小匹配。conv使用上一层的输入要素图大小来计算fc6输入要素图大小（这是上一层的输出特征图）conv。公式如下：
H_out = ( H_in + 2 x Padding_Height - Kernel_Height ) / Stride_Height + 1
W_out = (W_in + 2 x Padding_Width - Kernel_Width) / Stride_Width + 1
-
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
-
我正在尝试使用 VGG16 编码器构建 U-Net 模型。这是模型代码。 我收到以下错误。 ValueError：图断开连接：无法获取张量张量的值（"input_1： 0"，形状=（无，512,512,3），dtype=float32）在层"input_1"。 注意：是VGG16型号的输入层
-
本文向大家介绍Keras使用ImageNet上预训练的模型方式，包括了Keras使用ImageNet上预训练的模型方式的使用技巧和注意事项，需要的朋友参考一下 我就废话不多说了，大家还是直接看代码吧！ 在以上代码中，我们首先import各种模型对应的module，然后load模型，并用ImageNet的参数初始化模型的参数。 如果不想使用ImageNet上预训练到的权重初始话模型，可以将各语句的中
-
我希望使用AWS Sagemaker工作流部署一个预训练的模型，用于实时行人和/或车辆检测，我特别想使用Sagemaker Neo编译模型并将其部署在边缘。我想从他们的模型动物园中使用OpenVino的预构建模型之一，但是当我下载模型时，它已经是他们自己的优化器的中间表示（IR）格式。 > 如果没有，是否有任何免费的预训练模型（使用任何流行的框架，如pytorch，tenorflow，ONXX等）
-
问题内容： 我的训练数据的格式为（？，15）其中？是可变长度。 创建模型时，请指定以下内容： 我的训练数据的形状为（35730，？，15）。 在python中检查这个我得到： 输出：（35730，） 输出：（513，15） 当我尝试根据训练数据拟合模型时，出现ValueError： 我只能在单个样本上使用model.train_on_batch（）来训练模型。 我该如何解决？似乎keras认为我的
-
文章信息 通过本教程，你可以掌握技能：使用预先训练的词向量和卷积神经网络解决一个文本分类问题 本文代码已上传到Github 本文地址：http://blog.keras.io/using-pre-trained-word-embeddings-in-a-keras-model.html 本文作者：Francois Chollet 什么是词向量? ”词向量”（词嵌入）是将一类将词的语义映射到向量空间