异常训练 Resnet50："The shape of the input to "Flatten“未完全定义”

Question

我想使用 keras.applications.resnet50 使用以下设置训练 Resnet 解决两个 class 问题：

from keras.layers import Dropout, Flatten, Dense
from keras.applications.resnet50 import ResNet50
from keras.models import Model

resNet = ResNet50(include_top=False, weights=None)
y = resNet.output
y = Flatten()(y)
y = Dense(2, activation='softmax')(y)
model = Model(inputs=resNet.input, outputs=y)
opt = keras.optimizers.Adam()
model.compile(optimizer=opt, loss='categorical_crossentropy', metrics=['accuracy'])
epochs = 15
model.fit(train_tensors, train_targets, 
          validation_data=(valid_tensors, valid_targets),
          epochs=epochs, batch_size=10, callbacks=[checkpointer], verbose=1)

运行代码抛出错误

Exception: The shape of the input to "Flatten" is not fully defined

所以输出层的输入张量一定有问题，在我的例子中是一个单热编码向量，即大小为 2 的一维数组。我做错了什么？

Answer 1

由于您没有对 Resnet 模型的输出应用 池化（平均或最大），它提供的输出是一个 4-D 张量，被传递给你的致密层。在密集层之前应用池化是个好主意，它将从前一层提取每个特征的 avg 或 max，然后通过到致密层上。另一种选择是，如果您不想应用池化层，那么您可以将 Flatten() 层应用于 Resnet 输出，这也会将 4-D 张量转换为 2-D 张量D 张量，您的 Dense 层所期望的。

Answer 2

你得到

Exception: The shape of the input to "Flatten" is not fully defined

因为你还没有在你的resnet网络中设置输入形状。尝试：

resNet = ResNet50(include_top=False, weights=None, input_shape=(224, 224, 3))

此外，由于您在输出层中使用带有 sigmoid 激活的 binary_crossentropy，因此您应该只使用 1 个神经元而不是 2 个，如下所示：

y = Dense(1, activation='sigmoid')(y)

异常训练 Resnet50："The shape of the input to "Flatten“未完全定义”

Exception training Resnet50: "The shape of the input to "Flatten" is not fully defined"

python

deep-learning

keras

tensorflow

resnet