删除最后一层，在 Keras 中插入三个 Conv2D 层答案

【问题标题】：Delete last layer and insert three Conv2D layers in Keras删除最后一层，在 Keras 中插入三个 Conv2D 层
【发布时间】：2019-02-25 18:09:55
【问题描述】：

我在 Keras 中有一个用于分类的模型，我在一些数据集上进行了训练。将该模型称为“classification_model”。该模型保存在“classification.h5”中。用于检测的模型是相同的，只是我们删除了最后一个卷积层，并添加了三个大小为(3,3) 的Conv2D 层。因此，我们的检测模型“detection_model”应该如下所示：

detection_model = 分类模型[: last_conv_index] + Conv2d + Conv2d + Conv2d。

我们如何在 Keras 中实现它？

【问题讨论】：

标签： python machine-learning keras conv-neural-network keras-layer

【解决方案1】：

好吧，加载你的分类模型并使用Keras functional API 来构建你的新模型：

model = load_model("classification.h5")

last_conv_layer_output = model.layers[last_conv_index].output
conv = Conv2D(...)(last_conv_layer_output)
conv = Conv2D(...)(conv)
output = Conv2D(...)(conv)

new_model = Model(model.inputs, output)

# compile the new model and save it ...

【讨论】：

我按照您的说明进行操作，但出现错误：TypeError: Output tensors to a Model must be Keras tensors。找到：
@Alem 你确定你已经将参数传递给层，即(conv)？
我忘记了最后一个。我现在修好了。非常感谢。
classification.h5 中的预训练权重现在在 new_model 中会发生什么？
@Alem 在new_model 中使用的model 层，将在您保存new_model 时保存，并在您训练new_model 时更新。但是，显然“classification.h5”中的权重不会改变，您可以随时使用此文件加载原始模型。