使用 keras mobilenet 模型

【问题标题】：Use keras mobilenet model使用 keras mobilenet 模型
【发布时间】：2018-10-07 20:16:18
【问题描述】：

我正在尝试使用 Keras 的 MobileNet 进行图像分类。我的输入形状是(64, 64, 3)，我的数据集中有两个类。我不想使用经过训练的权重。

这是我的代码。

model = MobileNet(weights=None, include_top=True, input_shape=(64, 64, 3), classes=2)

我的问题是，include_top 应该是 True 还是 False？既然官方这么说了，

input_shape: 可选形状元组，仅当 include_top 为 False 时才指定

include_top：是否在网络顶部包含全连接层。

我想做图像分类，所以我认为我的最后一层应该是全连接的。对吗？

谢谢。

【问题讨论】：

标签： python keras

【解决方案1】：

如果您想传递 (64,64,3) 的输入形状，那么您需要

include_top=False

是的，你最后需要全连接层。你必须建立自己的网络顶层。您的模型将是这样的

base_model= MobileNet(weights=None, include_top=False, input_shape=(64, 64, 3))
x=base_model.output
x=Flatten()(x)
x=Dense(...)(x)
.
.
# Softmax layer for classification
predictions=Dense(2,activation='softmax')
model=(x=base_model.input,output=predictions)

我不知道为什么我们需要移除全连接层来改变 input_shape，但我认为上面的解决方案会起作用

编辑：

如果 input_shape 不同，为什么要将 include_top 设置为 False？

因为它在最后将输入大小更改为全连接层。
进一步解释参考this答案

【讨论】：

感谢您的回复。我知道我可以像你说的那样自己构建密集层。但我只是想确定我上面写的代码是否正确。其实我试过了，它奏效了。如果 input_shape 不同，为什么要将 include_top 设置为 False？
@TeresaK。是的，你的代码是正确的。参考编辑