尝试将密集层附加到vgg19网络

Question

我试图向vgg19网络添加一个密集层，但它给出了以下错误。有人能帮我吗？

import tensorflow 
from tensorflow.keras.applications.vgg19 import VGG19 
model = VGG19()  
x = tensorflow.keras.layers.Dense(10,
activation="relu",name="",trainable=True)(model.layers[-1]) 
model = tensorflow.keras.Model(inputs = model.layers[0], outputs = x)

Python 3.7.0（默认值，2018年6月28日，07:39:16）键入“版权”、“信用”或“许可证”以获取更多信息。

IPython 7.8.0——一种增强的交互式Python。

Runfile（'/用户/萨迪克/Dropbox/Moosavi Khorzooghi-04/test'， wdir='/用户/萨迪克/Dropbox/Moosavi Khorzooghi-04'）2019-11-29 01:51:22.516366：我的tenorflow/核心/平台/cpu_feature_guard.cc:142]您的CPU支持此TensorFlow二进制文件未编译使用的指令：AVX2 FMA2019-11-29 01:51:22.526913：我在平台Host上执行计算。设备：2019-11-29 01:51:22.526926： I tenstorflow/编译器/xla/服务/service.cc:175]StreamExecator设备（0）：主机，默认版本跟踪（最近调用最后一次）：

文件""，第1行，在runfile（'/用户/Sadegh/Dropbox/Moosavi Khorzooghi-04/test'，wdir='/用户/Sadegh/Dropbox/Moosavi Khorzooghi-04'）中

文件“/opt/anaconda3/lib/python3.7/site packages/spyder\u kernels/customize/spydercurustomize.py”，第827行，在runfile execfile（文件名，命名空间）中

文件“/opt/anaconda3/lib/python3.7/site packages/spyder_kernels/customize/spyderrcustomize.py”，第110行，在execfile exec（compile（f.read（），filename，'exec'），命名空间）中

文件“/Users/sadegh/Dropbox/Moosavi Khorzooghi-04/test”，第11行，x=tensorflow.keras.layers.densite（10，activation=“relu”，name=”，trainable=True）（model.layers[-1]）

文件“/opt/anaconda3/lib/python3.7/site packages/tensorflow\u core/python/keras/engine/base\u layer.py”，第887行，调用self.\u maybe\u build（输入）

文件“/opt/anaconda3/lib/python3.7/site packages/tensorflow\u core/python/keras/engine/base\u layer.py”，第2122行，在“构建self.input”规范中，输入，self.name）

文件“/opt/anaconda3/lib/python3.7/site packages/tensorflow_core/python/keras/engine/input_spec.py”，如果x.shape.ndims为None，则在assert_input_compatibility中的第163行：

AttributeError:“稠密”对象没有属性“形状”

Answer 1

因此，假设这是一个分类问题，您应该在输出层使用softmax激活而不是relu。您还可以访问主干VGG19模型的输入和输出。如果使用默认设置实例化基本模型，则应手动将其输出汇集或展平。相反，您可以分别为全局平均或最大池化设置池化="avg"或池化="max"。此外，您可以使用以下内容：

base_model = VGG19(input_shape=(224, 224, 3), weights='imagenet', pooling="avg", include_top=False)
x = Dense(10, activation="softmax", name="output")(base_model.output)
model = Model(inputs=base_model.input, outputs=x)
print(model.summary())