问无效论点:逻辑和标签必须是可广播的: logits_size=[16,8] labels_size=[16,4]
EN

Stack Overflow用户

提问于 2022-04-03 16:04:19

回答 1查看 51关注 0票数 0

我正在做一个CNN项目，对玉米病害图像进行分类(4类)，它使用VGG16作为它的基本模型。我创造并保存了模型。现在，是否可以利用该模型作为另一项转移学习任务的基础，对棉花叶病图像(4类)进行分类，同时保留从玉米病害图像和棉花叶病图像中获得的知识？如果是这样，我应该如何修改玉米病害模型。我是否需要将输出层神经元设置为8(棉花4，玉米病害4)？这是我的代码，棉花CNN使用玉米植株模型为基础。我尝试了最后两层(输出层和密集层)，然后添加了新的密集层，然后输出层有8个神经元，但当我训练，我得到错误的逻辑和标签必须是可广播的。

from tensorflow.keras.models import load_model
savedmodel = load_model('corn.h5')
train_gen = ImageDataGenerator(preprocessing_function=preprocess_input)
test_gen = ImageDataGenerator(preprocessing_function=preprocess_input)
val_gen = ImageDataGenerator(preprocessing_function=preprocess_input)
traindata = train_gen.flow_from_directory('/Users/saibalaji/Desktop/data/train/',target_size=(224,224),batch_size=16)

class_labels = []
for class_label,class_mode in traindata.class_indices.items():
    print(class_label)
    class_labels.append(class_label)
nmodel = tf.keras.Sequential()

for layer in savedmodel.layers[0:-1]:
    print(layer)
    nmodel.add(layer)
for layer in nmodel.layers:
    layer.trainable = False

nmodel.add(tf.keras.layers.Dense(units=15,activation='relu',name='dense_3'))
nmodel.add(tf.keras.layers.Dense(units=8,name='cf',activation='softmax'))
nmodel.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),loss='categorical_crossentropy',metrics=['accuracy'])
nmodel.fit(traindata,epochs=5)

这里是我保存的玉米叶病图像的模型摘要(4个类)，这里我使用了特性提取器，通过对conv2d和vgg16最大池层进行迁移学习。