无法在 Tensorflow 2.0 中使用 vggface-keras答案

【问题标题】：Cannot use vggface-keras in Tensorflow 2.0无法在 Tensorflow 2.0 中使用 vggface-keras
【发布时间】：2020-05-02 22:29:34
【问题描述】：

我正在尝试使用来自https://github.com/rcmalli/keras-vggface 的 keras-vggface 库来训练 CNN。我已经安装了 tensorflow 2.0.0-rc1、keras 2.3.1、cuda 10.1、cudnn 7.6.5 并且驱动程序的版本是 418，问题是当我尝试使用 vggface 模型作为卷积基础时，我得到一个错误，这里是代码和错误

from keras_vggface.vggface import VGGFace 
conv_base = VGGFace(model='vgg16', include_top=False)

model = models.Sequential()
model.add(conv_base)
model.add(layers.Flatten())
model.add(layers.Dense(1024, activation='relu'))
model.add(layers.Dense(800, activation='softmax'))

错误！

TypeError Traceback (most recent call last)
    <ipython-input-4-f6b5cad8f44b> in <module>
          1 #arquitectura
          2 model = models.Sequential()
    ----> 3 model.add(conv_base)
          4 model.add(layers.Flatten())
          5 model.add(layers.Dense(1024, activation='relu'))

~/anaconda3/envs/vggface/lib/python3.7/site-packages/tensorflow_core/python/training/tracking/base.py in _method_wrapper(self, *args, **kwargs)
        455     self._self_setattr_tracking = False  # pylint: disable=protected-access
        456     try:
    --> 457       result = method(self, *args, **kwargs)
        458     finally:
        459       self._self_setattr_tracking = previous_value  # pylint: disable=protected-access

~/anaconda3/envs/vggface/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/sequential.py in add(self, layer)
        156       raise TypeError('The added layer must be '
        157                       'an instance of class Layer. '
    --> 158                       'Found: ' + str(layer))
        159 
        160     tf_utils.assert_no_legacy_layers([layer])

TypeError: The added layer must be an instance of class Layer. Found: <keras.engine.training.Model object at 0x7f0bf03db210>

希望您能告诉我为什么会出现此错误以及如何解决，谢谢阅读。

【问题讨论】：

标签： python keras deep-learning tensorflow2.0

【解决方案1】：

问题是keras 和tf.keras 之间不兼容。您正在使用的库 (vggface-keras) 使用 keras，而您的代码使用 tf.keras。这行不通。

唯一可能的解决方案是您将keras 用于您的整个管道，或者让您修改vggface-keras 库以使用tf.keras，包括修改所有导入和修复出现的任何错误。

【讨论】：

感谢我做这些事情并努力解决的问题，如果我发现了我无法处理的东西，我会在那里编辑，否则我会分享我的东西谢谢现在

【解决方案2】：

这里有一个页面，你可以在这里下载带有vggface模型权重的.h5文件，这样我们就可以用它在高于1.15版本的tensorflow中训练

https://sefiks.com/2018/09/03/face-recognition-with-facenet-in-keras/

【讨论】：

【解决方案3】：

VGG-Face 被包裹在 python 的 deepface 框架中。只需将 VGG-Face 字符串传递给模型名称变量即可。

#!pip install deepface
from deepface import DeepFace
obj = DeepFace.verify([
      ["img1.jpg", "img2.jpg"],
      ["img1.jpg", "img3.jpg"],
      ["img1.jpg", "img4.jpg"],
   ]
   , model_name = "VGG-Face")
print(obj)

这个块将检查img2，img3，img4之间的img1。

【讨论】：

抱歉，这可以重新训练神经网络吗？我可以使用除最后 3 层之外的所有层吗，例如 w/tensorflow 和 keras？
这会在后台构建一个 tensorflow / keras 模型。你不需要重新训练它，但如果你愿意的话，你仍然可以重新训练它。
感谢您的回复，这里的东西是我有 20k 不同的人 w/大约 300 张照片，我试图在 ip cam 流中对它们进行分类，我不知道是否制作 deepface。验证将是赖特方法，你怎么看？
大规模人脸识别通过 deepface 中的 find 功能进行处理。它会在您的数据库中找到面部的矢量表示一次 - （20k 人 x 300 图片）。然后，应用面部识别将在几秒钟内处理。阅读我的回购文档深入解释了它。

【解决方案4】：

我还需要在 Tensorflow 2 中使用 vggface，因此创建了 this fork of keras-vggface。您应该可以使用python setup.py install 安装它（克隆后）。

【讨论】：