如何将 keras tensorflow 转换为 keras mxnet
How to convert keras tensorflow to keras mxnet
我在带有 tensorflow 后端的 keras 中有一个有效的 python 代码。我正在利用 VGG16 的迁移学习。一切都很好。
我想使用 mxnet 后端，但遇到了一些问题：
from keras.preprocessing.image import ImageDataGenerator
from keras import applications
from helper import target_size, batch_size
from math import ceil
import numpy as np
datagen = ImageDataGenerator(rescale=1./255)
loading vgg16 model, excluding the top fully connected layers
model = applications.VGG16(include_top=False, weights='imagenet' , input_shape=(224, 224 , 3))
以上代码 (shape(224,224,3)) 给出：
ValueError: The input must have 3 channels; got input_shape=(224, 224, 3)
如果我使用：shape(3,224,24)
'Redefinition of variable %s' % self.name
AssertionError: Redefinition of variable block1_conv1/kernel1
如何在工作代码中正确使用 mxnet 而不是 tensorflow 后端？
注：keras.json：
{
"epsilon": 1e-07,
"floatx": "float32",
"image_data_format": "channels_first",
"backend": "mxnet"
}
编辑 1
当我将后端从 tensorflow 更改为 mxnet 时，keras 是否需要为 mxnet 重新下载 vgg16 模型？
解决方案：
将 data_format 设置为 'channels_last'。
详情：
VGG16 图像网络权重采用 'channels_last' 格式。您应该将 keras 配置设置为 'channels_last' 以使其与 MXNet 后端一起使用。
我们有一个 Github 问题，正在努力让 MXNet 后端加载不同 data_format 中的其他后端训练权重。即，假设您有一个使用 channels_last 格式训练的 TF 后端训练模型。如果您尝试在 data_format 设置为 'channels_first' 的 MXNet 后端加载它，则不会发生从 channels_last 到 channels_first 的自动转换。
问题原因：
MXNet 后端在以 channels_last 格式调用层时转置 Conv 层输入和内核以加速。而且，这将导致预训练的其他未转置的后端模型权重出现问题。我们正在努力修复它并启用该功能。
我在带有 tensorflow 后端的 keras 中有一个有效的 python 代码。我正在利用 VGG16 的迁移学习。一切都很好。
我想使用 mxnet 后端，但遇到了一些问题：
from keras.preprocessing.image import ImageDataGenerator
from keras import applications
from helper import target_size, batch_size
from math import ceil
import numpy as np
datagen = ImageDataGenerator(rescale=1./255)
loading vgg16 model, excluding the top fully connected layers
model = applications.VGG16(include_top=False, weights='imagenet' , input_shape=(224, 224 , 3))
以上代码 (shape(224,224,3)) 给出：
ValueError: The input must have 3 channels; got
input_shape=(224, 224, 3)
如果我使用：shape(3,224,24)
'Redefinition of variable %s' % self.name AssertionError: Redefinition of variable block1_conv1/kernel1
如何在工作代码中正确使用 mxnet 而不是 tensorflow 后端？
注：keras.json：
{
"epsilon": 1e-07,
"floatx": "float32",
"image_data_format": "channels_first",
"backend": "mxnet"
}
编辑 1
当我将后端从 tensorflow 更改为 mxnet 时，keras 是否需要为 mxnet 重新下载 vgg16 模型？
解决方案：
将 data_format 设置为 'channels_last'。
详情：
VGG16 图像网络权重采用 'channels_last' 格式。您应该将 keras 配置设置为 'channels_last' 以使其与 MXNet 后端一起使用。
我们有一个 Github 问题，正在努力让 MXNet 后端加载不同 data_format 中的其他后端训练权重。即，假设您有一个使用 channels_last 格式训练的 TF 后端训练模型。如果您尝试在 data_format 设置为 'channels_first' 的 MXNet 后端加载它，则不会发生从 channels_last 到 channels_first 的自动转换。
问题原因：
MXNet 后端在以 channels_last 格式调用层时转置 Conv 层输入和内核以加速。而且，这将导致预训练的其他未转置的后端模型权重出现问题。我们正在努力修复它并启用该功能。