TensorflowHub 预训练的 MobileNetV2 改变输入形状和迁移学习答案

【问题标题】：TensorflowHub pretrained MobileNetV2 change input shape and transfer learningTensorflowHub 预训练的 MobileNetV2 改变输入形状和迁移学习
【发布时间】：2020-05-06 06:44:18
【问题描述】：

我正在使用来自 Tensorflow Hub 的 MobileNetV2 140 224 作为预训练的 convnet 创建一个 NN。现在我想改变输入层的大小，我想输入 500x500 的图像。这可能吗？实现这一目标的最佳方法是什么？

这是我的代码：

IMG_SHAPE = (224, 224, 3)
base_model = hub.KerasLayer('https://tfhub.dev/google/imagenet/mobilenet_v2_140_224/feature_vector/4', input_shape=IMG_SHAPE)
base_model.trainable = False
model = Sequential([
  base_model,
  Dropout(0.25),
  Dense(3, activation='softmax')
])
adam = Adam(learning_rate=0.0001)
model.compile(optimizer=adam,
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

我只能通过更改IMG_SHAPE = (500, 500, 3) 来做到这一点，还是必须添加输入层或其他东西？

【问题讨论】：

标签： tensorflow keras tensorflow2.0 keras-layer tensorflow-hub

【解决方案1】：

按照您的建议更改 IMG_SHAPE 会导致信息丰富的错误消息（删节）：

  ValueError: Could not find matching function to call loaded from the SavedModel. Got:
      Positional arguments (4 total):
        * Tensor("inputs:0", shape=(None, 500, 500, 3), dtype=float32)
        ...

    Expected these arguments to match one of the following 4 option(s):

    Option 1:
      Positional arguments (4 total):
        * TensorSpec(shape=(None, 224, 224, 3), dtype=tf.float32, name='inputs')
        ...

原来https://tfhub.dev/google/imagenet/mobilenet_v2_140_224/feature_vector/4 的输入大小硬连线为 224x224。这是由于底层 TF-Slim 代码的限制，它需要一个已知高度和宽度的 tf.Placeholder 来构建 SavedModel。

【讨论】：