应用程序Inception Resnet v2中的Keras形状错误

Question

我使用的是Keras 2.1.3，我正在尝试用Keras应用程序微调Inception Resnetv2。

所以我从keras加载了预训练模型。应用程序

input_tensor = Input(shape=(299,299,3))
model = applications.inception_resnet_v2.InceptionResNetV2(weights='imagenet', 
                                                        include_top=False,
                                                        input_tensor=input_tensor,
                                                        input_shape=(299, 299,3))

我为我的问题创造了瓶颈：

top_model = Sequential()
top_model.add(Flatten(input_shape=model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dropout(0.5))
top_model.add(Dense(40, activation='softmax'))

最后创建一个新模型来连接这两个部分：

new_model = Sequential()
for l in model.layers:
      new_model.add(l)

在这一步，我有一个错误

ValueError：输入0与层conv2d_7不兼容：输入形状的预期轴-1具有值192但得到形状（无，35, 35, 64)

所以我打印了每一层的形状

第n-1层：输入：（无，35，35，64），输出：（无，35，35，64）

第n层：输入：（无，35，35，192），输出：（无，35，35，48）

正如你所看到的形状不匹配，这似乎很奇怪，来自Keras。

Answer 1

我不确定top\u型号。add（展平（input\u shape=model。output\u shape[1：]）正在传递所需的维度<另一种方法是尝试

ResNetV2_model_output = model.output
new_concatenated_model = Flatten()(ResNetV2_model_output)
new_concatenated_model = (Dense(256, activation='relu'))(new_concatenated_model)
new_concatenated_model = ((Dropout(0.5)))(new_concatenated_model)
new_concatenated_model = (Dense(40, activation='softmax'))(new_concatenated_model)