Skip to main content
 首页 » 编程设计

python之在keras中弹出上层

2025年01月19日9mate10pro

假设我有以下预训练模型:

from keras.models import Sequential 
from keras.layers import Dense 
 
model = Sequential() 
model.add(Dense(3, activation='relu', input_dim=5)) 
model.add(Dense(1)) 
model.compile(loss='mse', optimizer='adam') 

当我通过以下数据 (X) 运行它时,我得到了预期的形状:

import numpy as np 
X = np.random.rand(20, 5) 
model.predict(X).shape 

给出形状 (20,1)

但是,出于迁移学习的目的,我希望弹出顶层并通过相同的数据运行它。

model.layers.pop() 
model.summary() 
>>> 
Layer (type)                 Output Shape              Param #    
================================================================= 
dense_3 (Dense)              (None, 3)                 18         
================================================================= 
Total params: 18 
Trainable params: 18 
Non-trainable params: 0 

在 model.layers.pop() 之后查看 model.summary() 似乎已经从顶层弹出。但是,运行 model.predict(X).shape 仍然会导致 (20,1) 形状而不是 (20,3)预期。

问题:我应该如何正确地弹出最后几层。这是一个人为的例子。在我的例子中,我需要删除最后 3 层。

请您参考如下方法:

在这里找到答案:https://github.com/keras-team/keras/issues/8909

以下是需要的答案。不幸的是,必须创建第二个模型,并且出于某种原因,@Eric 的答案似乎不再像另一个 github 问题中所建议的那样起作用。

model.layers.pop() 
model2 = Model(model.input, model.layers[-1].output) 
model2.predict(X).shape