加载权重后如何在keras中添加和删除新层？

Question

我正在尝试进行迁移学习；为此，我想删除神经网络的最后两层并添加另外两层。这是一个示例代码，它也输出相同的错误。

from keras.models import Sequential
from keras.layers import Input,Flatten
from keras.layers.convolutional import Convolution2D, MaxPooling2D
from keras.layers.core import Dropout, Activation
from keras.layers.pooling import GlobalAveragePooling2D
from keras.models import Model

in_img = Input(shape=(3, 32, 32))
x = Convolution2D(12, 3, 3, subsample=(2, 2), border_mode='valid', name='conv1')(in_img)
x = Activation('relu', name='relu_conv1')(x)
x = MaxPooling2D(pool_size=(3, 3), strides=(2, 2), name='pool1')(x)
x = Convolution2D(3, 1, 1, border_mode='valid', name='conv2')(x)
x = Activation('relu', name='relu_conv2')(x)
x = GlobalAveragePooling2D()(x)
o = Activation('softmax', name='loss')(x)
model = Model(input=in_img, output=[o])
model.compile(loss="categorical_crossentropy", optimizer="adam")
#model.load_weights('model_weights.h5', by_name=True)
model.summary()

model.layers.pop()
model.layers.pop()
model.summary()
model.add(MaxPooling2D())
model.add(Activation('sigmoid', name='loss'))

我使用 pop() 删除了层，但是当我尝试添加它时输出此错误

AttributeError: 'Model' object has no attribute 'add'

我知道错误最可能的原因是 model.add() 使用不当。我应该使用什么其他语法？

编辑：

我尝试在 keras 中 remove/add 层，但它不允许在加载外部权重后添加它。

from keras.models import Sequential
from keras.layers import Input,Flatten
from keras.layers.convolutional import Convolution2D, MaxPooling2D
from keras.layers.core import Dropout, Activation
from keras.layers.pooling import GlobalAveragePooling2D
from keras.models import Model
in_img = Input(shape=(3, 32, 32))

def gen_model():
    in_img = Input(shape=(3, 32, 32))
    x = Convolution2D(12, 3, 3, subsample=(2, 2), border_mode='valid', name='conv1')(in_img)
    x = Activation('relu', name='relu_conv1')(x)
    x = MaxPooling2D(pool_size=(3, 3), strides=(2, 2), name='pool1')(x)
    x = Convolution2D(3, 1, 1, border_mode='valid', name='conv2')(x)
    x = Activation('relu', name='relu_conv2')(x)
    x = GlobalAveragePooling2D()(x)
    o = Activation('softmax', name='loss')(x)
    model = Model(input=in_img, output=[o])
    return model

#parent model
model=gen_model()
model.compile(loss="categorical_crossentropy", optimizer="adam")
model.summary()

#saving model weights
model.save('model_weights.h5')

#loading weights to second model
model2=gen_model()
model2.compile(loss="categorical_crossentropy", optimizer="adam")
model2.load_weights('model_weights.h5', by_name=True)

model2.layers.pop()
model2.layers.pop()
model2.summary()

#editing layers in the second model and saving as third model
x = MaxPooling2D()(model2.layers[-1].output)
o = Activation('sigmoid', name='loss')(x)
model3 = Model(input=in_img, output=[o])

显示此错误

RuntimeError: Graph disconnected: cannot obtain value for tensor input_4 at layer "input_4". The following previous layers were accessed without issue: []

Answer 1

您可以使用上一个模型的 output 并创建一个新模型。下层保持不变。

model.summary()
model.layers.pop()
model.layers.pop()
model.summary()

x = MaxPooling2D()(model.layers[-1].output)
o = Activation('sigmoid', name='loss')(x)

model2 = Model(input=in_img, output=[o])
model2.summary()

勾选

编辑更新：

新错误是因为您试图在全局 in_img 上创建新模型，而这在之前的模型创建中实际上并未使用。您实际上是在定义局部 in_img。所以全局in_img在符号图中显然没有连接到上层。并且与加载权重无关

为了更好地解决这个问题，您应该使用 model.input 来引用输入。

model3 = Model(input=model2.input, output=[o])

Answer 2

另一种方法

from keras.models import Model

layer_name = 'relu_conv2'
model2= Model(inputs=model1.input, outputs=model1.get_layer(layer_name).output)

Answer 3

从 Keras 2.3.1 和 TensorFlow 2.0 开始，model.layers.pop() 未按预期工作（请参阅问题 here）。他们提出了两种选择。

一种选择是重新创建模型并复制图层。例如，如果你想删除最后一层并添加另一层，你可以这样做：

model = Sequential()
for layer in source_model.layers[:-1]: # go through until last layer
    model.add(layer)
model.add(Dense(3, activation='softmax'))
model.summary()
model.compile(optimizer='adam', loss='categorical_crossentropy')

另一种选择是使用功能模型：

predictions = Dense(3, activation='softmax')(source_model.layers[-2].output)
model = Model(inputs=inputs, outputs=predictions)
model.compile(optimizer='adam', loss='categorical_crossentropy')

model.layers[-1].output 表示最后一层的输出是最终输出，所以在你的代码中，你实际上没有删除任何层，你添加了另一个 head/path.

Answer 4

Wesam Na 答案的替代方案，如果您不知道图层名称，您可以通过以下方式简单地切断最后一层：

from keras.models import Model

model2= Model(inputs=model1.input, outputs=model1.layers[-2].output)

加载权重后如何在keras中添加和删除新层？

How to add and remove new layers in keras after loading weights?

python

theano

keras

keras-layer