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
