如何使用TensorFlow hub从Keras模型中获取所有图层

Question

我使用hub.KerasLayer的efficientnetv2，我想在使用model.summary()时看到所有图层，但它只显示"keras_layer (KerasLayer)">

tbody> <<tr>

图层(类型)	输出形状	参数#
keras_layer (KerasLayer)	(没有,1280)	5919312
辍学(辍学)	(没有,1280)	0
密度(密度)	(没有,2)	2562

这样你就可以"跳转到内部";模型;

import tensorflow_hub as hub
malli = hub.KerasLayer("https://tfhub.dev/google/imagenet/efficientnet_v2_imagenet21k_b0/feature_vector/2")
print("Thickness of the model:", len(malli.weights))
for i in range(len(malli.weights)):
print("In layer ",malli.weights[i].name," the content is: ", malli.weights[i])

…当然，请注意输出很长，但请根据需要修改输出打印。

TensorFlow的SavedModel本质上是一个计算图。虽然原则上可以检查它的结构，但是没有关于高级体系结构块的信息。

如果您想访问单个层，更好的选择可能是使用作者原始实现中的模型。它可以构造如下:

from effnetv2_model import get_model
model = get_model('efficientnetv2-s', weights='imagenet21k-ft1k', with_endpoints=True)

预训练的权重可用于与TensorFlow Hub相同的配置。model.summary()显示单个(Fused)MBConv块。

还请注意，TensorFlow的未来版本将包括EfficientNet v2(已经在夜间构建中可用)。