如何在 Tensorflow 中使用没有 类 的预训练模型？
How to use pre-trained models without classes in Tensorflow?
我正在尝试使用 tf.keras.applications.ResNet50 等预训练网络，但我有两个问题：
我只想获取网络末端的顶部嵌入层，因为我不想做任何图像分类。因此，我认为不需要 类 号码。
tf.keras.applications.ResNet50 采用默认参数 'classes=1000'
- 有什么方法可以省略这个参数吗？
我输入的图片是 128*128*1 像素而不是 224*224*3
- 修复输入数据形状的最佳方法是什么？
我的目标是用 resnet 网络的输出制作一个三元组损失网络。
非常感谢！
ResNet50 有一个参数 include_top 正是为了这个目的——将它设置为 False 以跳过最后一个完全连接的层。 （然后输出一个长度为2048的特征向量）。减小图像大小的最佳方法是对图像重新采样，例如使用专用函数 tf.image.resample_images.
此外，我一开始没有注意到您的输入图像只有三个通道，谢谢@Daniel。我建议您使用 tf.tile:
在 GPU 上构建 3 通道灰度图像（而不是在使用 numpy 的主机上）以避免将数据传输到 GPU 内存的三倍
im3 = tf.tile(im, (1, 1, 1, 3))
作为对其他答案的补充。您还需要使您的图像具有三个通道，虽然从技术上讲这不是 Resnet 的最佳输入，但它是最简单的解决方案（如果您访问源代码并自己更改输入形状，则更改 Resnet 模型也是一个选项）。
使用numpy打包三个通道的图片：
images3ch = np.concatenate([images,images,images], axis=-1)
我正在尝试使用 tf.keras.applications.ResNet50 等预训练网络，但我有两个问题：
我只想获取网络末端的顶部嵌入层，因为我不想做任何图像分类。因此，我认为不需要 类 号码。
tf.keras.applications.ResNet50采用默认参数'classes=1000'- 有什么方法可以省略这个参数吗？
我输入的图片是
128*128*1像素而不是224*224*3- 修复输入数据形状的最佳方法是什么？
我的目标是用 resnet 网络的输出制作一个三元组损失网络。
非常感谢！
ResNet50有一个参数include_top正是为了这个目的——将它设置为False以跳过最后一个完全连接的层。 （然后输出一个长度为2048的特征向量）。减小图像大小的最佳方法是对图像重新采样，例如使用专用函数
tf.image.resample_images.此外，我一开始没有注意到您的输入图像只有三个通道，谢谢@Daniel。我建议您使用
在 GPU 上构建 3 通道灰度图像（而不是在使用 numpy 的主机上）以避免将数据传输到 GPU 内存的三倍tf.tile:im3 = tf.tile(im, (1, 1, 1, 3))
作为对其他答案的补充。您还需要使您的图像具有三个通道，虽然从技术上讲这不是 Resnet 的最佳输入，但它是最简单的解决方案（如果您访问源代码并自己更改输入形状，则更改 Resnet 模型也是一个选项）。
使用numpy打包三个通道的图片：
images3ch = np.concatenate([images,images,images], axis=-1)