在迁移学习中，是否可以仅在训练期间保存完全连接的层，并在以后加载它以供继续训练？如果可能的话，怎么做呢？
浏览 8提问于2017-08-29得票数 0
我正在尝试训练一个接受4通道输入的卷积网络，并希望使用像VGG16这样的预训练模型。我不应该使用VGG16的初始卷积块是有意义的，因为它们是针对3个通道输入进行训练的，并重新定义了初始卷积块。但是，我想从VGG16开始使用block3。如何使用Tensorflow Keras api实现这一点？ 简而言之，我如何从预先训练的模型中复制特定层的权重。我使用的是Ten
浏览 20提问于2019-05-04得票数 1
回答已采纳
我正在与Keras一起工作，并试图分析一些有意义的权重层和一些随机初始化层所建立的模型对精度的影响。喀拉斯：model = keras.applications.VGG19(include_top=False, weights="imagenet", input_shape=(i
浏览 0提问于2020-11-01得票数 6
回答已采纳
7回答
目前，我正试图在VGG-16模型上训练一个数据集。问题是，准确性没有太大的变化，但它并没有坚持一个固定的准确性。图中的情节如下。有什么建议吗？编辑：
具有Imagenet权值的50个历元代码imageSize = (224,224,3)batch_size = 32from keras.appl
浏览 0提问于2019-05-19得票数 5
3回答
我正在运行一个使用keras的预训练模型的分类和预测神经网络算法。现在我知道keras的输入形状是(224,224,3)，但是我的输入具有这个形状(180, 200, 20)，并且我得到了以下错误：from keras import applications
input_tensor = Input
浏览 0提问于2019-08-20得票数 0
我正在使用TensorFlow后端的Keras，通过预先训练好的模型(ImageNet上的VGG16)从图像中提取特征。根据我在网上读到的内容，我应该为每个图像获取一个具有4096个特征的向量。我使用这一行来导入没有最后一个完全连接层的模型(我相信我应该这样做)： applications.vgg16.VGG16(weights='imagenet&#x
浏览 59提问于2019-07-04得票数 1
回答已采纳
1回答
我正在寻找一种方法，以重新初始化层的权重，在现有的角角预训练模型。我使用python和keras，需要使用传输学习，我使用下面的代码来加载预先训练的keras模型vgg_model = vgg16.VGG16(weight
浏览 0提问于2018-09-20得票数 2
回答已采纳
我正在使用转移学习的概念来分类我的图像，我已经重复使用了在中提到的代码
这个模型在我的jupyter笔记本中很适合我的数据()，但是在测试模型之前，我正在重塑图像。但是当我想使用TensorFlow在浏览器中运行相同的模型时，我使用tfjs.converters.save_keras_model来保存我的模型。from keras.applications import VGG16
浏览 0提问于2019-09-04得票数 0
我正在使用传输学习来建立一个图像识别模型，使用预先训练的VGG网络在Keras和排除最终完全连接层，以获得输出权重。然后，我使用这些输出权重来输入我的新模型，这个模型有几个层次，还有一个我自己正在训练的完全连接的新层。完全连接的层映射到我试图预测的输出类<e
浏览 0提问于2018-03-02得票数 10
1回答
我希望使用传输学习来处理图像，我的图像有不同的大小。我认为在一般情况下，卷积层可以接受可变的输入大小，但是完全连接的层只能接受特定大小的输入。然而，VGG-16或ResNet50的Keras实现可以接受任何大于32x32的图像大小，尽管它们确实有完全连接的层。我想知道如何为不
浏览 3提问于2018-10-26得票数 0
该模型来自vgg-19网络上的转移学习，在vgg-19网络中，将头和头切断，并使用完全连接的+softmax层进行训练，而其余的vgg-19网络则被冻结。我可以在Keras中加载模型，然后使用keras.backend.get_session()在tensorflow中运行模型，生成正确的预测：
frame = preprocess(cv2.im
浏览 3提问于2017-08-20得票数 15
回答已采纳
我建立了一个模型，其中包括一个预先学习的模型，然后是一些层，并添加到最后。一切运行良好，我可以在我的数据集上训练模型，并将经过训练的模型保存到文件中。但是，当我试图加载保存的模型时，我会得到以下错误。我得到，这指向密集的层形状是未定义的。但是，在训练之前，我将输入的形状指定给模型，并确保得到的致密层将具有预定的
浏览 2提问于2020-11-17得票数 0
我在带有tensorflow后端的keras中有一个有效的python代码。我正在利用从VGG16进行的转移学习。一切都很好。我想使用mxnet后端，但有一些问题：from keras import applicationsbatch_sizeimport numpy as np
datag
浏览 1提问于2018-08-02得票数 1
回答已采纳
我正在尝试使用迁移学习为新数据集重新训练VGG16。我已经加载了带有ImageNet权重的模型，没有顶部完全连接层，从瓶颈层获得了对数据集的预测，并使用这些瓶颈预测训练了一个小模型。我无法找出问题出在我的代码中，这是来自Keras文档的InceptionV3再培训代码的修改版本。我已经能够在同一数据集上以0.88的</e
浏览 6提问于2018-02-23得票数 1
我试图用使用Keras的平均池层来替换预先培训过的网络中的最大池层。不知怎么对我没用。如果你能帮我弄清楚如何实现它，我将不胜感激。(inputs=input_layer.input, outputs=x)vgg = keras.applications.vgg19.VGG19(include_top但是，如果我试图构建一个基于vgg_av<e
浏览 0提问于2019-02-04得票数 1
回答已采纳
2回答
我想确定我对这个问题的理解是正确的。我想做图像分类，在我的领域的现状是通过转移学习在VGG16实现。
由于这一领域的图像与VGG16图像完全不同，我们应该解冻“大量”的图层。原始VGG16模型具有130 m以上的参数。它有大约13个隐藏层和3个完全连接的层在末尾。如果我只解冻完全</e
浏览 0提问于2019-06-26得票数 2
回答已采纳
1回答
我看到了一些转移学习的例子，人们可以使用来自keras.application (Xception、VGG16、VGG19、ResNet50 e.t.c)的预培训模型，但是我想要的是从我使用model.save('model.h5')保存的模型中传递学习。这是我目前的模式：model.add(Embedding(max_words, e
浏览 0提问于2019-01-29得票数 2
3回答
我使用VGG16基础创建了一个定制的Keras模型，并对其进行了培训和保存：from keras import modelsfrom keras import layers
model = models.Sequential
浏览 1提问于2019-05-16得票数 1
回答已采纳
我正在使用传输学习来建立一个图像识别模型，使用预先训练的VGG网络在Keras和排除最终完全连接层，以获得输出权重。然后，我使用这些输出权重来输入我的新模型，这个模型有几个层次，还有一个我自己正在训练的完全连接的新层。完全连接的层映射到我试图预测的输出类<e
浏览 2提问于2018-03-02得票数 0
我正在使用Tensorflow1.14.0 1.14.0在Ubuntu虚拟机中加载一个独立的VGG19，如下所示：from tensorflow.keras
浏览 5提问于2020-09-21得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
