在凯拉斯(Keras)中预处理的Resnet101在哪里以及如何获得原始特征

Question

我需要在Keras中验证的Resnet101，但Python给了我错误。在文档中，他们写

keras.applications.resnet.ResNet101(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)

(https://keras.io/applications/(但是当我导入resnet101时，python给出了错误

AttributeError: module 'keras.applications' has no attribute 'resnet' 

此外，我需要在"合并"层之前计算出的功能，例如使用VGG16，我要这样做：

myModel = Model(baseModel.input, baseModel.layers[-2].output)

如何使用Resnet获得它们？谢谢

Answer 1

错误在您的keras版本中：

https://stackoverflow.com/a/54730330/9110938

功能提取

RESNET-101的最后两层是全球平均合并和完全连接的层。因此：

myModel.layers[-1].output # output of the FC layer
myModel.layers[-2].output # output of the global average pooling layer

Answer 2

尝试这个

keras.applications.ResNet101(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)