如何在 Keras 中将顺序模型预置到预训练模型?

Question

我想在像nasnet_mobile这样的预训练模型前面放置一个 4 层密集网络。 我已经尝试了几种不同的方法，但它们都令人头疼(又名错误(。 在 keras+tensorflow2 中可以做到这一点的方法是什么？

思潮：

• 是否有一些"标志"，我必须在其中将 Dense 的输出指定为整数或图片？
• 预训练模型中是否有一些"标志"，我必须允许它连接？

• 我是否需要手动制作预训练的克隆，用预训练权重加载它，然后尝试上述方法之一;也许预训练与创建的类不同？ (更新(如果我正在复制，有没有一种简单的方法可以确保我获得相同的结构，以便在我有 set_weights(get_weights(...(( 时它不会出错？

• 以上都不是...

法典：

#LIBRARIES
import numpy as np
from tensorflow import keras
from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense, Reshape, Conv2D, MaxPool2D , Flatten, Input

my_input_shape = (224,224,3)
#DENSE MODEL
my_inputs = Input(shape=my_input_shape)
hidden_1 = Dense(units=8, activation='relu')(my_inputs)

#make the output layer
hidden_2= Dense(units=np.product(my_input_shape), 
activation='sigmoid')(hidden_1)
transformed = keras.layers.Reshape(my_input_shape,)(hidden_2)  
dense_model = Model(inputs=my_inputs, outputs=transformed)
#PRETRAINED MODEL
pretrained_model = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
include_top = False,
input_shape=my_input_shape)
#Option 1
combined_model_1 = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
include_top = False,
input_tensor=transformed)
#Option 2
combined_model_2 = Model(inputs=dense_model.input, outputs=pretrained_model.output)
#Option 3a
combined_model_3a = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
include_top = False,
input_tensor=my_input_shape)(dense_model)
#Option 3b
combined_model_3b = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
include_top = False)(dense_model)
#Option 4
combined_model_4 = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
include_top = False,
input_tensor=dense_model)

问题：
给定上面的代码，我想在预训练模型前面菊花链化 Dense 模型。 我想将图像馈送到密集中，让它通过密集传播，然后成为预训练的输入，并通过预训练

。

Answer 1

为什么不这样做：

inp = Input(shape=my_input_shape)
x = dense_model(inp)
x = pretrained_model(x)
final_model = Model(inp, x)