Keras 中预训练的 ResNet101 在哪里以及如何获取原始特征?
Where is pretrained ResNet101 in Keras and how obtain raw feature?
我需要在 Keras 中预训练 ResNet101,但 Python 给我错误。他们在文档中写道
keras.applications.resnet.ResNet101(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)
(https://keras.io/applications/)
但是当我导入 ResNet101 Python 时出现错误
AttributeError: module 'keras.applications' has no attribute 'resnet'
此外,我需要在 "pooling" 层之前计算的特征,例如使用 VGG16 我会这样做:
myModel = Model(baseModel.input, baseModel.layers[-2].output)
如何使用 ResNet 获取它们?
谢谢
错误在您的 Keras 版本中:
特征提取
ResNet-101 的最后两层是全局平均池和 fully-connected 层。正因为如此:
myModel.layers[-1].output # output of the FC layer
myModel.layers[-2].output # output of the global average pooling layer
试试这个
keras.applications.ResNet101(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)
我需要在 Keras 中预训练 ResNet101,但 Python 给我错误。他们在文档中写道
keras.applications.resnet.ResNet101(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)
(https://keras.io/applications/) 但是当我导入 ResNet101 Python 时出现错误
AttributeError: module 'keras.applications' has no attribute 'resnet'
此外,我需要在 "pooling" 层之前计算的特征,例如使用 VGG16 我会这样做:
myModel = Model(baseModel.input, baseModel.layers[-2].output)
如何使用 ResNet 获取它们? 谢谢
错误在您的 Keras 版本中:
特征提取
ResNet-101 的最后两层是全局平均池和 fully-connected 层。正因为如此:
myModel.layers[-1].output # output of the FC layer
myModel.layers[-2].output # output of the global average pooling layer
试试这个
keras.applications.ResNet101(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)