从EfficientNet Tensorflow中提取特征
从EfficientNet Tensorflow中提取特征
提问于 2020-07-24 05:17:16
我有一个用EfficientNetB6训练的CNN模型。我的任务是通过删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一个boosting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，并在我的验证集上预测，然后增强。
我现在在tensorflow中做这件事，但目前卡住了。下面是我的模型结构，我试着在网站上使用代码，但没有任何运气。
我想删除最后一个密集层，并使用剩余的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).output)
但我得到一个错误“ValueError:图形断开连接:无法获取张量张量的值(”input_1:0“，shape=(None，760,760，3)，dtype=float32)在"input_1”层。以下先前的层已被访问，没有问题：[]“
有什么办法解决这个问题吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-07-24 08:31:29
对不起，是我的错。我只需在efficientnet层之后添加一个GlobalAveragePooling2D层，就可以提取权重并继续:)
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页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63063260
复制相关文章
相似问题
腾讯云开发者
