从 EfficientNet Tensorflow 中提取特征

Question

我有一个使用 EfficientNetB6 训练的 CNN 模型。我的任务是通过移除最后一个密集层来提取这个训练模型的特征，然后使用这些权重来训练增强模型。我之前使用 Pytorch 做到了这一点，并且能够从我感兴趣的层中提取权重并在我的验证集上进行预测，然后进行提升。

我现在正在 tensorflow 中执行此操作，但目前卡住了。下面是我的模型结构，我尝试使用网站上的代码但没有成功。

我想删除最后一个密集层并使用剩余层对验证集进行预测。

我尝试使用：

layer_name = 'efficientnet-b6' intermediate_layer_model = tf.keras.Model(输入 = model.input, 输出 = model.get_layer(layer_name).输出)

但我得到一个错误“ ValueError：图形断开连接：无法在“input_1 层获取张量 Tensor(input_1:0”, shape=(None, 760, 760, 3), dtype=float32) 的值”。可以毫无问题地访问以下先前的层：[]"

有什么办法可以解决这个问题？

Answer 1

对不起我的错。我只是在 efficientnet 层之后添加了一个 GlobalAveragePooling2D 层，我能够提取权重并继续:)

仅供参考：

def build_model(dim=CFG['net_size'], ef=0):
    inp = tf.keras.layers.Input(shape=(dim,dim,3))
    base = EFNS[ef](input_shape=(dim,dim,3),weights='imagenet',include_top=False)
    x = base(inp)
    x = tf.keras.layers.GlobalAveragePooling2D()(x)
    x = tf.keras.layers.Dense(1,activation='sigmoid')(x)
    model = tf.keras.Model(inputs=inp,outputs=x)
    opt = tf.keras.optimizers.Adam(learning_rate=0.001)
    loss = tf.keras.losses.BinaryCrossentropy(label_smoothing=0.05) 
    model.compile(optimizer=CFG['optimizer'],loss=loss,metrics=[tf.keras.metrics.AUC(name='auc')])
    print(model.summary())
    return model

从 EfficientNet Tensorflow 中提取特征

Extracting features from EfficientNet Tensorflow

python

tensorflow

keras

efficientnet