如何从VGG层创建Keras Model()

Question

我已经使用VGG16基础创建了一个自定义的keras模型，我训练并保存：

from keras.applications import VGG16
from keras import models
from keras import layers
conv_base = VGG16(weights="imagenet", include_top=False)
model = models.Sequential()
model.add(conv_base)
model.add(layers.Flatten())
model.add(layers.Dense(256, activation="relu"))
model.add(layers.Dense(1, activation="sigmoid"))
...
model.save("models/custom_vgg16.h5")

在另一个脚本中，我想使用自定义网络输入和vgg16层加载网络并将新的keras Model对象加载为输出：

from keras.models import load_model
from keras import Model
model_vgg16 = load_model("models/custom_vgg16.h5")
layer_outputs = [layer.output for layer in model_vgg16.get_layer("vgg16").layers[1:]]
activation_model = Model(inputs=model_vgg16.get_layer("vgg16").get_input_at(1), outputs=layer_outputs)

，但最后一行导致以下错误：

ValueError: Graph disconnected: cannot obtain value for tensor Tensor("input_1:0", shape=(?, 150, 150, 3), dtype=float32) at layer "input_1". The following previous layers were accessed without issue: []

有什么想法我可能会缺少什么？

Answer 1

您想在最后一行中获取节点索引0的输入：

model_vgg16.get_layer('vgg16').get_input_at(0)

Answer 2

您还可以通过直接从模型中选择输入来获取输入节点。

model_vgg16.input

Answer 3

您必须就图像大小提供输入例如如果您的图像尺寸为150,150,3，请尝试此

model = models.Sequential()
model.add(conv_base)
model.add(Input(shape=(150,150,3)))
model.add(layers.Flatten())
model.add(layers.Dense(256, activation="relu"))
model.add(layers.Dense(1, activation="sigmoid"))